harris角点检测

一:harris基础

图1.计算点(u,v)处的harrirs响应,实际是计算两个窗口内所有像素值的加权差异

以像素点(u,v)为中心的窗口W1经过平移(\Delta u,\Delta v)得到窗口W2,两个窗口像素差异定义为:

E(\Delta u,\Delta v)=\sum_{x,y}   \omega (x,y)[I(x+\Delta u,y+\Delta v) -I(x,y) ]

                                \approx \sum_{x,y}\omega (x,y)[\frac{δI}{δx}(x,y)\Delta u+\frac{δI}{δy} (x,y)\Delta v ]²

                        =[\Delta u,\Delta v]H[\Delta u,\Delta v]^T

其中:

(x,y)为窗口W1内的像素点,(x+\Delta u,y+\Delta v)为窗口W2内像素点。

\omega (x,y)=\frac{e^{-(x^2 +y^2)}}{2\sigma ^2} 为窗口内的高斯卷积核(和窗口同样大小)

H=\sum_{x,y}  \left[\begin{matrix}  w(x,y)\cdot  (\frac{\delta I}{\delta x}(x,y))^2   & w(x,y)\cdot  \frac{\delta I}{\delta x}(x,y)\cdot \frac{\delta I}{\delta x}(x,y)  \\  w(x,y)\cdot  \frac{\delta I}{\delta x}(x,y)\cdot \frac{\delta I}{\delta x}(x,y) &  w(x,y)\cdot (\frac{\delta I}{\delta y}(x,y))^2    \end{matrix}\right]

二:计算流程

1)计算梯度图X,Y

            X=I\otimes (-1,0,1)

            Y=I\otimes (-1,0,1)^T

2)计算梯度图的卷积

            A=X\cdot X\otimes w

            B=Y\cdot Y\otimes w

            C=X\cdot Y\otimes w

其中\cdot 为梯度图矩阵对应位置相乘,w为5x5高斯卷积核(也可以为其他大小的高斯卷积核)

则:

            H=\left[\begin{matrix}   A(u,v) & C(u,v) \\   C(u,v) & B(u,v)   \end{matrix}\right]

3)计算每个像素点(u,v)的harris响应值

设矩阵H的特征值分别为\alpha ,\beta ,则:

            Tr(H)=\alpha +\beta =A(u,v)+B(u,v)

            Det(H)=\alpha \beta =A(u,v)B(u,v)-{C(u,v)}^2

像素点(u,v)的harris的响应值(response)为:

            R(u,v)=Det(H)-k\cdot {Tr(H)}^2

其中k=0.04(也可以为其他值),如果R(u,v)>M,则点(u,v)为预选harris角点

4)harris角点筛选

对步骤3中的预选harris角点执行非极大值抑制,得到最终的harris角点。

三:代码示例

图2.harris角点检测结果
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,591评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,448评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,823评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,204评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,228评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,190评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,078评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,923评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,334评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,550评论 2 333
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,727评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,428评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,022评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,672评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,826评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,734评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,619评论 2 354