haaris角点检测方法—超详细实现过程

         haaris角点检测在一个或者是两个相机进行标定的时候常常用到,Opencv和matlab中都有现成的命令和程序可循。为了解角点检测的原理,自己动手查看资料并写matlab程序实现,相信这是记忆最快最深刻的方法。

       角点的位置就是图像中在x和y方向变化都很大的那个交点处。为了找到那些角点需要进行以下步骤的计算。

haaris角点检测方法—超详细实现过程_第1张图片

 一、获取输入图像image的x和y方向的边缘图像。

      方法是,用x和y方向的一阶滤波算子dx和dy(或者是二阶滤波算子dx和dy)对图像进行滤波。

      其中x方向的一阶滤波算子一般取为dx=[-1,0,1];x方向的二阶滤波算子一般取为dx=[--2,1,0,1,2];

             y方向的一阶滤波算子一般取为dy=[-1;0;1];y方向的二阶滤波算子一般取为dy=[--2;1;0;1;2];

       滤波函数用filter2(),边缘图像Ix=filter2(dx,image);Iy=filter2(dy,image);其中dx,dy为滤波算子,image为要进行滤波的图像.

注:filter2()函数在matlab中的 实现,在另一篇文章里将详述。

haaris角点检测方法—超详细实现过程_第2张图片

image

x方向滤波后边缘图像Ix为:

haaris角点检测方法—超详细实现过程_第3张图片

Ix

y方向滤波后边缘图像Iy为:

    haaris角点检测方法—超详细实现过程_第4张图片

Iy

二、计算角点量。

初始化角点量,并进行离散高斯滤波。

并用高斯算子对M进行二维离散滤波,高斯算子如下:


高斯算子通过gauss=fspecial('gaussian',[5 5],2)设置[5 5]为算子窗口大小,2为算子的

gauss =

    0.0232    0.0338    0.0383    0.0338    0.0232
    0.0338    0.0492    0.0558    0.0492    0.0338
    0.0383    0.0558    0.0632    0.0558    0.0383
    0.0338    0.0492    0.0558    0.0492    0.0338
    0.0232    0.0338    0.0383    0.0338    0.0232

滤波是对图像每个像素点对应的M中各个元素进行滤波:


Ix2=filter2(gauss,Ix2);
Iy2=filter2(gauss,Iy2);
Ixy=filter2(gauss,Ixy);

然后计算各个像素点的角点量R,R为正值是,检测到的是角点,R为负时检测到的是边,R很小时检测到的是平坦区域:

或者

其中k取0.4~0.6常用

三、获取全局最大角点量值,设置阈值,并求局部最大角点量值也即进行非最大值抑制。

Rmax= max(R(i,j))

阈值thresh=th*Rmax,th取值越大角点越少,th越小角点越多。

非最大值抑制的方法是,取窗口内最大值,窗口可取3x3大小。

四、在图片上画出角点位置。当R(i,j)大于阈值且是局部最大值时就认为是角点处。haaris角点检测方法—超详细实现过程_第5张图片

可以看到好多角点处找到了两个点,图片放大就可以看到它们确实是不连续的。这是由于拍摄的时候镜头设置的问题造成的。这种问题可以通过设置高斯算子的窗口大小缓解,算子窗口越大,图像平滑度越高,角点分离不明显,将检测到越少的分离角点。反之将多检测到分离的角点。

haaris角点检测方法—超详细实现过程_第6张图片

理解原理推荐一篇博客:http://blog.csdn.net/yudingjun0611/article/details/7991601

这一次先写到这里,之后还会关注角点检测的方法和优化程序。

附程序:

matlab

clc;
clear;
%function wx_conner()
image=imread('1.bmp');
th=0.1;
channel=size(image,3);
height=size(image,1);
width=size(image,2);
if channel==3;
    image=rgb2gray(image);
end
image=double(image);
figure;
imshow(uint8(image));
title('原图');
%求x和y方向的梯度图
% dx=[-2,-1,0,1,2];%横向梯度算子
% dy=[-2;-1;0;1;2];%纵向梯度算子
dx=[-1,0,1];%横向梯度算子
dy=[-1;0;1];%纵向梯度算子
Ix=zeros(height,width);
Iy=zeros(height,width);
Ix=filter2(dx,image);
Iy=filter2(dy,image);
%Ix = conv2(image, dx, 'same'); 
%Iy = conv2(image, dy, 'same');
% for i=3:height-2
%     for j=1:width
%      Ix(i,j)=-2*image(i-2,j)-image(i-1,j)+image(i+1,j)+image(i+2,j);   
%     end
% end
% for i=1:height
%     for j=3:width-2
%      Iy(i,j)=-2*image(i,j-2)-image(i,j-1)+image(i,j+1)+image(i,j+2);   
%     end
% end
figure;
imshow(uint8(Ix));
figure;
imshow(uint8(Iy));

Ix2=Ix.^2;
Iy2=Iy.^2;
Ixy=Ix.*Iy;
%高斯滤波
gauss=fspecial('gaussian',[5 5],2);
Ix2=filter2(gauss,Ix2);
Iy2=filter2(gauss,Iy2);
Ixy=filter2(gauss,Ixy);
%求角点量
 R=(Ix2.*Iy2-Ixy.^2)./(Ix2+Iy2);%另一种角点量的计算方法 R=(Ix2.*Iy2 - Ixy.^2)-k*(Ix2+Iy2).^2;k=0.04
 R(isnan(R))=0;%将无穷大的点赋值为0
%设置阈值
Rmax=0;
for i=1:height
    for j=1:width
     if R(i,j)>Rmax
         Rmax=R(i,j);
     end
    end
end
thresh=th*Rmax;
%求R局部最大值,并作为角点,在3x3窗口内计算
result=zeros(height,width);
for i=2:height-1
    for j=2:width-1
     if R(i,j)>thresh&&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;
     end
    end
end
%在图片上画出角点
[h,w]=find(result==1);
figure
imshow(uint8(image));
hold on;
plot(w,h,'r*');








你可能感兴趣的:(haaris角点检测方法—超详细实现过程)