【数字图像处理】自实现Harris角点检测

关于Harris角点检测的原理网上已经很多了，在此不再赘述，本文主要是基于原理自己实现了一下Harris的算法，权当留个笔记，如果能对看到此文的朋友有所帮助，甚感欣慰。

废话不再多说，直接上代码。

自定义的Harris方法：

void Harris(Mat src, Mat& dst, int blockSize, int sobelKSize = 3)
{
	Mat Dx = Mat(src.size(), src.type());//创建矩阵用以保存图像在x方向上的一阶差分
	Mat Dy = Mat(src.size(), src.type());//创建矩阵用以保存图像在y方向上的一阶差分

	if(sobelKSize > 0)
	{
		Sobel(src, Dx, CV_32F, 1, 0, sobelKSize, 1, 0, 0);//计算图像在x方向上的一阶差分dx
		Sobel(src, Dy, CV_32F, 0, 1, sobelKSize, 1, 0, 0);//计算图像在y方向上的一阶差分dy
	}
	else
	{
		//当输入参数sobelKSize <= 0时，采用默认3*3的sobel内核对图像进行卷积
		//openCV源码中使用的函数为	Scharr(src, dst, CV_32F, 1, 0); Scharr(src, dst, CV_32F, 0, 1);
		//至于为啥用scharr，官方解释为，当sobel算子的内核大小为3*3时，其计算可能产生一定的误差，所以openCV提供了一个更为准确的3*3内核的一阶差分算子scharr
		Sobel(src, Dx, CV_32F, 1, 0);
		Sobel(src, Dy, CV_32F, 0, 1);
	}

	//创建3通道矩阵cov，用以保存每个像素对应的dx*dx，dx*dy，dy*dy
	Mat cov = Mat(src.size(), CV_32FC3);

	for(int i = 0;i < src.rows;i++)
	{
		float* data = cov.ptr<float>(i);
		float* dxData = Dx.ptr<float>(i);
		float* dyData = Dy.ptr<float>(i);
		for(int j = 0;j < src.cols;j++)
		{
			float dx = dxData[j];
			float dy = dyData[j];
			data[3 * j] = dx * dx;
			data[3 * j + 1] = dx * dy;
			data[3 * j + 2] = dy * dy;
		}
	}
	//对计算得到的协方差矩阵元素进行高斯加权。openCV源码中使用的函数为boxFilter
	if(blockSize > 0)
		GaussianBlur(cov, cov, Size(blockSize,blockSize), 2.0, 0);
	else
		GaussianBlur(cov, cov, Size(3,3), 2.0, 0);
// 	boxFilter(cov,+ cov, cov.depth(), Size(3, 3),
// 		Point(-1,-1), true, 0 );

	//通过公式计算R，R = det(M) - k * trace(M)^2，R值越大越有可能是角点
	//k取经验值，一般取0.04-0.06
	for(int i = 0;i < dst.rows;i++)
	{
		float* data = dst.ptr<float>(i);
		float* covData = cov.ptr<float>(i);
		for(int j = 0;j < dst.cols;j++)
		{
			float a = covData[j * 3];
			float b = covData[j * 3 + 1];
			float c = covData[j * 3 + 2];

			data[j] = (float)(a * c - b * b - 0.05 * (a + c) * (a + c));
		}
	}
}

int _tmain(int argc, _TCHAR* argv[])
{
	Mat src = imread("E:\\学习之路\\数字图像处理练习程序\\004.png", 0);
	Mat dst = Mat(src.size(), CV_32F);

	Harris(src, dst, 3, 3);

	normalize(dst, dst, 1.0, 0, NORM_MINMAX);

	imwrite("E:\\学习之路\\数字图像处理练习程序\\xiaoguo.jpg", dst);

	imshow("111", dst);
	waitKey();

	return 0;
}

最终的角点检测效果图为（归一化之后）:

原图像为：