目标

在本教程中，您将学习

什么是特征，以及它们为何重要
使用函数 cv::cornerHarris 来利用 Harris-Stephens 方法检测角点。

理论

什么是特征？

在计算机视觉中，通常我们需要在环境的不同帧之间找到匹配点。为什么？如果我们了解两幅图像之间的关联方式，我们就能将这两幅图像结合起来对它们提取信息。
当我们说匹配点时，我们指的是场景中我们可以轻松识别的特性（广义而言）。我们称这些特性为特征。
那么，一个特征应具备哪些特性？
- 它必须独一无二，易于辨识

图像特征类型

举例来说

边缘
角点（又称为兴趣点）
斑点（又称为感兴趣区域）

在本教程中，我们将具体研究角点特征。

为什么角点如此特别？

因为角点是两条边的交点，它表示这两条边的方向改变的点。因此，图像的梯度（在两个方向上）具有较大的变化，这可以用来检测它。

它如何工作？

让我们寻找角点。由于角点代表图像中梯度的变化，我们将寻找这种“变化”。
设灰度图像为 \(I\)。我们将在 \(I\) 中扫描一个窗口 \(w(x,y)\)（在 x 方向的位移为 \(u\)，在 y 方向的位移为 \(v\)，并计算强度的变化。

\[E(u,v) = \sum _{x,y} w(x,y)[ I(x+u,y+v) - I(x,y)]^{2}\]

其中
- \(w(x,y)\) 是位于位置 \((x,y)\) 的窗口
- \(I(x,y)\) 是 \((x,y)\) 的强度
- \(I(x+u,y+v)\) 是移动窗口 \((x+u,y+v)\) 的强度
由于我们正在寻找具有角点的窗口，因此我们正在寻找具有强度较大变化的窗口。因此，我们必须使上式最大化，特别是以下一项

\[\sum _{x,y}[ I(x+u,y+v) - I(x,y)]^{2}\]
利用泰勒展开

\[E(u,v) \approx \sum _{x,y}[ I(x,y) + u I_{x} + vI_{y} - I(x,y)]^{2}\]
展开该方程并适当抵消

\[E(u,v) \approx \sum _{x,y} u^{2}I_{x}^{2} + 2uvI_{x}I_{y} + v^{2}I_{y}^{2}\]
可用矩阵形式表示如下

\[E(u,v) \approx \begin{bmatrix} u & v \end{bmatrix} \left ( \displaystyle \sum_{x,y} w(x,y) \begin{bmatrix} I_x^{2} & I_{x}I_{y} \\ I_xI_{y} & I_{y}^{2} \end{bmatrix} \right ) \begin{bmatrix} u \\ v \end{bmatrix}\]

记为

\[M = \displaystyle \sum_{x,y} w(x,y) \begin{bmatrix} I_x^{2} & I_{x}I_{y} \\ I_xI_{y} & I_{y}^{2} \end{bmatrix}\]

因此，我们的方程现在是

\[E(u,v) \approx \begin{bmatrix} u & v \end{bmatrix} M \begin{bmatrix} u \\ v \end{bmatrix}\]

为每个窗口计算一个分数，以确定窗口是否可能包含一个角

\[R = det(M) - k(trace(M))^{2}\]

其中
- det(M) = \(\lambda_{1}\lambda_{2}\)
- trace(M) = \(\lambda_{1}+\lambda_{2}\)
分数 \(R\) 大于某个值的窗口会被视为“角”

代码

本教程的代码如下所示。你也可以从此处下载代码

 
#include "opencv2/highgui.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
 
using namespace cv;
using namespace std;
 
Mat src, src_gray;
int thresh = 200;
int max_thresh = 255;
 
const char* source_window = "原始图像";
const char* corners_window = "检测到的角点";
 
void cornerHarris_demo( int, void* );
 
int main( int argc, char** argv )
{
    CommandLineParser parser( argc, argv, "{@input | building.jpg | input image}" );
src = imread( samples::findFile( parser.get<String>( "@input" ) ) );
    if ( src.empty() )
    {
cout << "无法打开或找到图像！\n" << endl;
cout << "用法： " << argv[0] << " <输入图像>" << endl;
        return -1;
    }
cvtColor( src, src_gray, COLOR_BGR2GRAY );
 
namedWindow( source_window );
createTrackbar( "阈值: ", source_window, &thresh, max_thresh, cornerHarris_demo );
imshow( source_window, src );
 
cornerHarris_demo( 0, 0 );
 
waitKey();
    return 0;
}
 
void cornerHarris_demo( int, void* )
{
    int blockSize = 2;
    int apertureSize = 3;
    double k = 0.04;
 
    Mat dst = Mat::zeros( src.size(), CV_32FC1 );
cornerHarris( src_gray, dst, blockSize, apertureSize, k );
 
    Mat dst_norm, dst_norm_scaled;
normalize( dst, dst_norm, 0, 255, NORM_MINMAX, CV_32FC1, Mat() );
convertScaleAbs( dst_norm, dst_norm_scaled );
 
    for( int i = 0; i < dst_norm.rows ; i++ )
    {
        for( int j = 0; j < dst_norm.cols; j++ )
        {
            if( (int) dst_norm.at<float>(i,j) > thresh )
            {
circle( dst_norm_scaled, Point(j,i), 5, Scalar(0), 2, 8, 0 );
            }
        }
    }
 
    namedWindow( corners_window );
    imshow( corners_window, dst_norm_scaled );
}

此教程代码如下所示。您还可以从此处下载代码

import java.awt.BorderLayout;
import java.awt.Container;
import java.awt.Image;
 
import javax.swing.BoxLayout;
import javax.swing.ImageIcon;
import javax.swing.JFrame;
import javax.swing.JLabel;
import javax.swing.JPanel;
import javax.swing.JSlider;
import javax.swing.event.ChangeEvent;
import javax.swing.event.ChangeListener;
 
import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.core.Point;
import org.opencv.core.Scalar;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
 
class CornerHarris {
    private Mat srcGray = new Mat();
    private Mat dst = new Mat();
    private Mat dstNorm = new Mat();
    private Mat dstNormScaled = new Mat();
    private JFrame frame;
    private JLabel imgLabel;
    private JLabel cornerLabel;
    private static final int MAX_THRESHOLD = 255;
    private int threshold = 200;
 
    public CornerHarris(String[] args) {
String filename = args.length > 0 ? args[0] : "../data/building.jpg";
Mat src = Imgcodecs.imread(filename);
        if (src.empty()) {
System.err.println("无法读取图像："  + filename);
System.exit(0);
        }
 
Imgproc.cvtColor(src, srcGray, Imgproc.COLOR_BGR2GRAY);
 
        // 创建窗口并进行设置。
frame = new JFrame("Harris 角点检测演示");
frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
        // 设置内容窗格。
Image img = HighGui.toBufferedImage(src);
addToComponentsToPane(frame.getContentPane(), img);
        // 无需使用内容面板的默认 BorderLayout。无须
        // setLayout(new BorderLayout());
        // 显示窗口。
frame.pack();
frame.setVisible(true);
update();
    }
 
    private void addComponentsToPane(Container pane, Image img) {
        if (!(pane.getLayout() instanceof BorderLayout)) {
pane.add(new JLabel("Container 并未使用 BorderLayout!"));
            return;
        }
 
JPanel sliderPanel = new JPanel();
sliderPanel.setLayout(new BoxLayout(sliderPanel, BoxLayout.PAGE_AXIS));
 
sliderPanel.add(new JLabel("阈值: "));
JSlider slider = new JSlider(0, MAX_THRESHOLD, threshold);
slider.setMajorTickSpacing(20);
slider.setMinorTickSpacing(10);
slider.setPaintTicks(true);
slider.setPaintLabels(true);
slider.addChangeListener(new ChangeListener() {
@Override
            public void stateChanged(ChangeEvent e) {
JSlider source = (JSlider) e.getSource();
threshold = source.getValue();
update();
            }
        });
sliderPanel.add(slider);
pane.add(sliderPanel, BorderLayout.PAGE_START);
 
JPanel imgPanel = new JPanel();
imgLabel = new JLabel(new ImageIcon(img));
imgPanel.add(imgLabel);
 
Mat blackImg = Mat.zeros(srcGray.size(), CvType.CV_8U);
cornerLabel = new JLabel(new ImageIcon(HighGui.toBufferedImage(blackImg)));
imgPanel.add(cornerLabel);
 
pane.add(imgPanel, BorderLayout.CENTER);
    }
 
    private void update() {
dst = Mat.zeros(srcGray.size(), CvType.CV_32F);
 
        int blockSize = 2;
        int apertureSize = 3;
        double k = 0.04;
 
Imgproc.cornerHarris(srcGray, dst, blockSize, apertureSize, k);
 
Core.normalize(dst, dstNorm, 0, 255, Core.NORM_MINMAX);
Core.convertScaleAbs(dstNorm, dstNormScaled);
 
        float[] dstNormData = new float[(int) (dstNorm.total() * dstNorm.channels())];
dstNorm.get(0, 0, dstNormData);
 
        for (int i = 0; i < dstNorm.rows(); i++) {
            for (int j = 0; j < dstNorm.cols(); j++) {
                if ((int) dstNormData[i * dstNorm.cols() + j] > threshold) {
Imgproc.circle(dstNormScaled, new Point(j, i), 5, new Scalar(0), 2, 8, 0);
                }
            }
        }
 
cornerLabel.setIcon(new ImageIcon(HighGui.toBufferedImage(dstNormScaled)));
frame.repaint();
    }
}
 
public class CornerHarrisDemo {
    public static void main(String[] args) {
        // 加载 OPenCV 原生库
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
 
        // 安排事件调度线程作业
        // 创建并显示此应用程序的 GUI。
javax.swing.SwingUtilities.invokeLater(new Runnable() {
@Override
            public void run() {
                new CornerHarris(args);
            }
        });
    }
}

此教程的代码示例如在下方行中显示。您还可从此处下载它

from __future__ import print_function
import cv2 as cv
import numpy as np
import argparse
 
source_window = 'Source image'
corners_window = 'Corners detected'
max_thresh = 255
 
def cornerHarris_demo(val)
thresh = val
 
    # 检测器参数
blockSize = 2
apertureSize = 3
k = 0.04
 
    # 检测角点
dst = cv.cornerHarris(src_gray, blockSize, apertureSize, k)
 
    # 归一化
dst_norm = np.empty(dst.shape, dtype=np.float32)
    cv.normalize(dst, dst_norm, alpha=0, beta=255, norm_type=cv.NORM_MINMAX)
dst_norm_scaled = cv.convertScaleAbs(dst_norm)
 
    # 在角点周围画圆
    for i in range(dst_norm.shape[0])
        for j in range(dst_norm.shape[1])
            if int(dst_norm[i,j]) > thresh
                cv.circle(dst_norm_scaled, (j,i), 5, (0), 2)
 
    # 显示结果
    cv.namedWindow(corners_window)
    cv.imshow(corners_window, dst_norm_scaled)
 
# 加载源图像并将其转换为灰度
parser = argparse.ArgumentParser(description='Harris 角点检测教程的代码。')
parser.add_argument('--input', help='输入图像的路径。', default='building.jpg')
args = parser.parse_args()
 
src = cv.imread(cv.samples.findFile(args.input))
if src is None
print('无法打开或查找图像:', args.input)
exit(0)
 
src_gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
 
# 创建一个窗口和一个轨迹栏
cv.namedWindow(source_window)
thresh = 200 # 初始阈值
cv.createTrackbar('阈值: ', source_window, thresh, max_thresh, cornerHarris_demo)
cv.imshow(source_window, src)
cornerHarris_demo(thresh)
 
cv.waitKey()

说明

结果

原图

检测到的角点周围有一个小黑圈


原作者	安娜·乌阿曼
兼容性	OpenCV >= 3.0

目录

目标

理论

什么是特征？

图像特征类型

为什么角点如此特别？

它如何工作？

代码

说明

结果