Harris检测角点C代码（opencv角点检测harris）

本篇文章给大家谈谈Harris检测角点C代码，以及opencv角点检测harris对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、图像特征之Harris角点检测
• 2、opencv里的cvCornerHarris函数 怎么用
• 3、关于Harris角点检测以及改进算法的matlab代码问题
• 4、求助Matlab关于Harris角点检测的两个问题
• 5、c语言写harris角点提取难吗
• 6、CV算法：Harris角点（Harris Corner Detector）

图像特征之Harris角点检测

简单说：

和边缘检测一样也有了成熟的算法。

思想是用小窗口在图像上平移，如果窗口内像素：

通过移动前后窗口的自相关函数（对应位置的差平方）大小，可以衡量变化程度。下图中u, v为移动方向，取相互垂直的方向最佳。

窗口的权重可以取均值或者高斯权重，为下图中的w。

将I(x + u, y + v)进行一阶泰勒展开，得到：

因此E(u, v)化为：

E(u, v)变成一个二元二次函数：

此时回顾一下角点处，E(u, v)应满足对u, v变化而剧烈变化，如何用这个二元二次表达式来衡量这种变化程度呢？

利用几何，可知E(u, v)是椭圆形的表达式，因此原点到椭圆形的边缘可表示沿改方向的变化程度。

已知u, v方向垂直，通过坐标变换可以更新E(u, v)为E(x, y)，相当于椭圆旋转为于x, y方向垂直，不改变椭圆的形状。

但这样做的原因是，我们可以将矩阵转换为对角矩阵的形式，其中特征值就是旋转后，x和y方向的变化程度的衡量。

设定一个阈值，就可以判断是conner、edge、flat了。

具体步骤：

OpenCV中对应的函数是：

opencv里的cvCornerHarris函数 怎么用

openv中对cvWaitkey函数的定义如下：

int cvWaitKey( int delay=0 )

返回值为int型，函数的参数为int型，当delay小于等于0的时候，如果没有键盘触发，则一直等待，此时的返回值为-1，否则返回值为键盘按下的码字；当delay大于0时，如果没有键盘的的触发，则等待delay的时间，此时的返回值是-1，否则返回值为键盘按下的码字。

测试代码如下：

#includestdio.h

#includecv.h

#includehighgui.h

int main()

{ IplImage *src=cvLoadImage("car.jpg",-1);

cvShowImage("car",src);

int t=cvWaitKey(-1);

printf("cvWaitKey return: %d",t);

return 0;

}

关于Harris角点检测以及改进算法的matlab代码问题

这个谈不上改进，一个横向检测一个纵向检测，此外还有斜着的。但是哪个好是针对图片库而言的。碰巧你检测的那几张更适合x方向而已。建议：用公共图片库挨个做实验，再说明哪个比较好。

求助Matlab关于Harris角点检测的两个问题

%MatLab角点检测程序harris。

ori_im2=rgb2gray(imread('2.bmp'));

%ori_im2=imresize(ori_im2',0.50,'bicubic'); %加上这句图就变成竖着的了

fx = [5 0 -5;8 0 -8;5 0 -5]; % % la gaucienne，ver axe x

Ix = filter2(fx,ori_im2); % la convolution vers axe x

fy = [5 8 5;0 0 0;-5 -8 -5]; % la gaucienne，ver axe y

Iy = filter2(fy,ori_im2); % la convolution vers axe y

Ix2 = Ix.^2;

Iy2 = Iy.^2;

Ixy = Ix.*Iy;

clear Ix;

clear Iy;

h= fspecial('gaussian',[3 3],2); % générer une fonction gaussienne，sigma=2

Ix2 = filter2(h,Ix2);

Iy2 = filter2(h,Iy2);

Ixy = filter2(h,Ixy);

height = size(ori_im2,1);

width = size(ori_im2,2);

result = zeros(height,width); % enregistrer la position du coin

R = zeros(height,width);

K=0.04;

Rmax = 0; % chercher la valeur maximale de R

for i = 1:height

for j = 1:width

M = [Ix2(i,j) Ixy(i,j);Ixy(i,j) Iy2(i,j)];

R(i,j) = det(M)-K*(trace(M))^2; % % calcule R

if R(i,j) Rmax

Rmax = R(i,j);

end;

end;

end;

cnt = 0;

for i = 2:height-1

for j = 2:width-1

% réduire des valuers minimales ，la taille de fenetre 3*3

if R(i,j) 0.01*Rmax R(i,j) R(i-1,j-1) R(i,j) R(i-1,j) R(i,j) R(i-1,j+1) R(i,j) R(i,j-1) R(i,j) R(i,j+1) R(i,j) R(i+1,j-1) R(i,j) R(i+1,j) R(i,j) R(i+1,j+1)

result(i,j) = 1;

cnt = cnt+1;

end;

end;

end;

[posr2, posc2] = find(result == 1);

cnt % compter des coins

figure

imshow(ori_im2);

hold on;

plot(posc2,posr2,'w*');

harris优化的角点检测

%%%Prewitt Operator Corner Detection.m

%%%时间优化--相邻像素用取差的方法

%%

clear;

Image = imread('15.bmp'); % 读取图像

Image = im2uint8(rgb2gray(Image));

dx = [-1 0 1;-1 0 1;-1 0 1]; %dx：横向Prewitt差分模版

Ix2 = filter2(dx,Image).^2;

Iy2 = filter2(dx',Image).^2;

Ixy = filter2(dx,Image).*filter2(dx',Image);

%生成 9*9高斯窗口。窗口越大，探测到的角点越少。

h= fspecial('gaussian',9,2);

A = filter2(h,Ix2); % 用高斯窗口差分Ix2得到A

B = filter2(h,Iy2);

C = filter2(h,Ixy);

nrow = size(Image,1);

ncol = size(Image,2);

Corner = zeros(nrow,ncol); %矩阵Corner用来保存候选角点位置,初值全零，值为1的点是角点

%真正的角点在137和138行由(row_ave,column_ave)得到

%参数t:点(i,j)八邻域的“相似度”参数，只有中心点与邻域其他八个点的像素值之差在

%（-t,+t）之间，才确认它们为相似点，相似点不在候选角点之列

t=20;

%我并没有全部检测图像每个点，而是除去了边界上boundary个像素，

%因为我们感兴趣的角点并不出现在边界上

boundary=8;

for i=boundary:nrow-boundary+1

for j=boundary:ncol-boundary+1

nlike=0; %相似点个数

if Image(i-1,j-1)Image(i,j)-t Image(i-1,j-1)Image(i,j)+t

nlike=nlike+1;

end

if Image(i-1,j)Image(i,j)-t Image(i-1,j)Image(i,j)+t

nlike=nlike+1;

end

if Image(i-1,j+1)Image(i,j)-t Image(i-1,j+1)Image(i,j)+t

nlike=nlike+1;

end

if Image(i,j-1)Image(i,j)-t Image(i,j-1)Image(i,j)+t

nlike=nlike+1;

end

if Image(i,j+1)Image(i,j)-t Image(i,j+1)Image(i,j)+t

nlike=nlike+1;

end

if Image(i+1,j-1)Image(i,j)-t Image(i+1,j-1)Image(i,j)+t

nlike=nlike+1;

end

if Image(i+1,j)Image(i,j)-t Image(i+1,j)Image(i,j)+t

nlike=nlike+1;

end

if Image(i+1,j+1)Image(i,j)-t Image(i+1,j+1)Image(i,j)+t

nlike=nlike+1;

end

if nlike=2 nlike=6

Corner(i,j)=1;%如果周围有0，1，7，8个相似与中心的（i,j）

%那(i,j)就不是角点，所以，直接忽略

end;

end;

end;

CRF = zeros(nrow,ncol); % CRF用来保存角点响应函数值,初值全零

CRFmax = 0; % 图像中角点响应函数的最大值，作阈值之用

t=0.05;

% 计算CRF

%工程上常用CRF(i,j) =det(M)/trace(M)计算CRF，那么此时应该将下面第105行的

%比例系数t设置大一些，t=0.1对采集的这几幅图像来说是一个比较合理的经验值

for i = boundary:nrow-boundary+1

for j = boundary:ncol-boundary+1

if Corner(i,j)==1 %只关注候选点

M = [A(i,j) C(i,j);

C(i,j) B(i,j)];

CRF(i,j) = det(M)-t*(trace(M))^2;

if CRF(i,j) CRFmax

CRFmax = CRF(i,j);

end;

end

end;

end;

%CRFmax

count = 0; % 用来记录角点的个数

t=0.01;

% 下面通过一个3*3的窗口来判断当前位置是否为角点

for i = boundary:nrow-boundary+1

for j = boundary:ncol-boundary+1

if Corner(i,j)==1 %只关注候选点的八邻域

if CRF(i,j) t*CRFmax CRF(i,j) CRF(i-1,j-1) ......

CRF(i,j) CRF(i-1,j) CRF(i,j) CRF(i-1,j+1) ......

CRF(i,j) CRF(i,j-1) CRF(i,j) CRF(i,j+1) ......

CRF(i,j) CRF(i+1,j-1) CRF(i,j) CRF(i+1,j)......

CRF(i,j) CRF(i+1,j+1)

count=count+1;%这个是角点，count加1

else % 如果当前位置（i,j）不是角点，则在Corner(i,j)中删除对该候选角点的记录

Corner(i,j) = 0;

end;

end;

end;

end;

% disp('角点个数');

% disp(count)

figure,imshow(Image); % display Intensity Image

hold on;

% toc(t1)

for i=boundary:nrow-boundary+1

for j=boundary:ncol-boundary+1

column_ave=0;

row_ave=0;

k=0;

if Corner(i,j)==1

for x=i-3:i+3 %7*7邻域

for y=j-3:j+3

if Corner(x,y)==1

% 用算数平均数作为角点坐标，如果改用几何平均数求点的平均坐标，对角点的提取意义不大

row_ave=row_ave+x;

column_ave=column_ave+y;

k=k+1;

end

end

end

end

if k0 %周围不止一个角点

plot( column_ave/k,row_ave/k ,'g.');

end

end;

end;

%end

c语言写harris角点提取难吗

针对

Har

ris

角点检

测算法对

T

型和斜

T

型

角点存在定

位不准确

以及运算速

度慢的问题

,

提出

了一种改

进算法。

改进算法计算目标像素点的

8

邻域范围内与之灰度相似的点的

数目

,

然后对目标

像素点周

围其他像素

点按同

样方法

处

理

,

并对得到的计算数据进行比较

,

分析出局部范围内的像素

点的灰度值

分布。根据比

较结果

,

从中遴

选出部

分像素

点

作为下一步角点检测的计算对象

,

并计算其角

点响应函数值

,

如

果角点响应

函数值大

于设定的阈

值

,

该

点则会

被确定

为

最终的角点。实验结果表明

:

改进算法的角点检测时间

仅为原

算法的

14.

3%

,

并实现

了对

T

、

斜

T

型角

点准确

定位

,

提

高了

H

arr

is

角点检测算法的检测效率和精度。

关

󰀁

键

󰀁

词

:

机器视觉

;

图像处理

;

角点检测

;

H

arr

is

算法

;

角点响应函数

中图分类号

:

T

P391.

4

󰀁

󰀁

文献标识码

:

A

An

improved

algorithm

for

Harris

corner

detection

WANG

Wei

1,

2

,

TANG

Yi

󰀁

ping

1

,

REN

Juan

󰀁

li

3

,

SH

I

Bing

󰀁

chuan

1

,

LI

Pei

󰀁

lin

2

,

H

AN

H

ua

󰀁

ting

2

(

1

.

State

K

ey

L

abor

atory

f

or

Manuf

acturing

Sy

stem

Eng

ineer

ing

,

X

i

󰀂

an

J

iaotong

University

,

X

i

󰀂

an

710049

,

China;

2

.

L

aunch

E

ngineer

ing

Dep

ar

tm

ent,

M

issile

I

nstitute

of

Air

Force

E

ngineering

Univer

sity

,

Sany

uan

713800

,

China;

3

.

S

chool

of

A

rt

and

Media

,

X

i

󰀂

an

T

echnological

Univer

sity

,

X

i

󰀂

an

710032

,

China)

Abstract:

An

impr

oved

algo

rithm

for

H

arris

cor

ner

detectio

n

is

proposed

by

considering

the

lim

itatio

ns

of

inaccurate

localization

to

tw

o

kinds

of

corners

(

T

and

diag

onal

T

)

and

lo

w

efficiency

in

H

ar

ris

algo

󰀁

r

ithm.

T

he

im

pro

ved

alg

orithm

is

used

to

calculate

the

number

o

f

points

that

the

g

ray

level

is

similar

to

that

of

the

target

pixel

w

ithin

8

neighborhoods

of

the

tar

get

pixel,

and

then

to

tr

eat

the

other

points

in

the

sam

e

manner.

Som

e

of

the

pixels

are

selected

as

the

calculating

objects

for

the

nex

t

step

of

cor

󰀁

ner

detection

by

analy

zing

distr

ibution

of

the

pixels

in

lo

cal

area

and

com

paring

the

calculated

data,

and

the

v

alues

for

their

corner

response

functions

are

calculated.

if

the

value

is

larg

er

than

threshold,

it

w

ill

be

co

nsidered

as

the

final

corner.

T

he

experimental

results

show

that

the

com

putation

tim

e

of

impr

oved

algorithm

is

o

nly

14.

3%

that

of

the

or

ig

inal

H

arris

alg

orithm,

and

it

can

realize

the

accur

ate

localization

to

T

and

diag

onal

T

corners,

w

hich

m

eans

that

im

pro

ved

algo

rithm

acquires

better

eff

CV算法：Harris角点（Harris Corner Detector）

Harris Corner Detector

斯坦福CS131-1718作业3

cornell-CS4670-5670-2016spring lec10_features2_web-Harris（这个比较详细）

需要找出一些显著特征点进行匹配

从图中扣出一块，然后要进行匹配，有些任意有些不容易，因此我们要找出一些特征的特征，也就是我们这节要说的“角”（Corner）

视角变化也仍然可以很好的辨识+跟周围点在任何方向变化都很大——好的特征

加窗，窗在任何方向上随意移动变化都很大的就是角。

算法结果：

Harris检测角点C代码的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于opencv角点检测harris、Harris检测角点C代码的信息别忘了在本站进行查找喔。