最近在上數(shù)字圖像處理課程，需要使用Python手動編寫Harris角點檢測算法，但是網(wǎng)上幾乎沒有找到手動編寫的，只能手敲。

同時作為自己的第一篇博客，在這里記錄一下。

一、Harris角點檢測

原理（略）

可以參考博主 拾牙慧者 的博客

角點檢測（Harris角點檢測法）_拾牙慧者的博客-CSDN博客_harris角點檢測

二、Python中的Harris角點檢測函數(shù)

Opencv庫自帶函數(shù)：cornerHarris()函數(shù)

void cornerHarris( InputArray src, OutputArray dst, int block Size,  int ksize, double k, int borderType = BORDER_DEFAULT)

參數(shù)如下

1.InputArray類型的src，輸入圖像，即原圖像，填Mat類型即可，且需要為單通道8位或者浮點型圖像；
2.OutputArray類型的dst，函數(shù)調(diào)用后的運算結(jié)果存在這里，即這個參數(shù)用于存放Harris角點檢測的輸出結(jié)果，和原圖片有一樣的尺寸和類型；
3.int類型的blockSize，表示鄰域的大小，更多詳細(xì)信息在cornerEigenValsAndVecs()中講到；
4.int類型的ksize，表示Sobel()算子的孔徑的大小；
5.double類型的k，Harris參數(shù)；
6.int類型的borderType，圖像像素的邊界模式。注意它有默認(rèn)值BORDER_DEFAULT；

使用方法

import cv2
import numpy as np

img = cv2.imread('exp3/NEU_library.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
gray = gray.astype(np.float32)
dst = cv2.cornerHarris(gray,5,3,0.04)
img[dst>0.01*dst.max()] = [0,0,255]
cv2.imshow('',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

結(jié)果如下（東北大學(xué)寧恩承圖書館）

三、手動寫Python代碼實現(xiàn)Harris焦點檢測算法

import cv2 
import numpy as np

def My_corner_Harris(image, blockSize, ksize, k):
    #將圖片轉(zhuǎn)化為灰度圖像，并轉(zhuǎn)化類型為float32
    gray_img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    src = gray_img.astype(np.float32)

    #獲取圖像長和高
    SrcHeight = src.shape[0]
    SrcWidth = src.shape[1]

    #利用Sobel函數(shù)計算圖像梯度
    #src為原圖像，-1表示輸出圖像大小與原圖像相同
    #ksize為sobel算子，定義為角點檢測敏感度，必須為3-31之間的奇數(shù)
    #(1,0)表示對x求偏導(dǎo)，(0,1)表示對y求偏導(dǎo)
    Ix=cv2.Sobel(src,-1,1,0,ksize)
    Iy=cv2.Sobel(src,-1,0,1,ksize)

    #計算Ix2, Ixy, Iy2
    Ix2=np.multiply(Ix,Ix)
    Ixy=np.multiply(Ix,Iy)
    Iy2=np.multiply(Iy,Iy)

    #使用高斯平滑濾波進(jìn)行加權(quán)計算
    Ix2=cv2.GaussianBlur(Ix2,(blockSize,blockSize),1.3)
    Ixy=cv2.GaussianBlur(Ixy,(blockSize,blockSize),1.3)
    Iy2=cv2.GaussianBlur(Iy2,(blockSize,blockSize),1.3)

    #計算最后的R值
    R=np.zeros((SrcHeight,SrcWidth))#定義空的R矩陣
    for i in range(SrcHeight):
        for j in range(SrcWidth):
            M=np.array([[Ix2[i,j],Ixy[i,j]],[Ixy[i,j],Iy2[i,j]]])
            R[i,j]= np.linalg.det(M) - k * ((M.trace())**2)
    return R

# detector parameters
block_size = 5
sobel_size = 3
k = 0.04

image = cv2.imread('exp3/NEU_library.jpg')
R  = My_corner_Harris(image, block_size, sobel_size, k)
image[R>0.01*R.max()] = [0,0,255]

cv2.imshow('detection result', image)

cv2.waitKey(0)
cv2.destroyAllWindows()

測試一下結(jié)果

?和官方的cornerHarris()函數(shù)對比一下

? ?

? ? ? ? ? ? ? ? ? ? ? cornerHarris()? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?My_corner_Harris

四、總結(jié)

1.簡單手動實現(xiàn)Harris角點檢測算法，未進(jìn)行改進(jìn)

2.可以考慮非極大值進(jìn)行抑制，參考Harris角點算法 - bldong - 博客園 (cnblogs.com)

3.后續(xù)會考慮實現(xiàn)Shi-Tomasi、亞像素檢測等方法，做出來的話會更新。

此致

? ? ? ? 感謝閱讀

WSZYM?

2022.12.01文章來源地址http://www.zghlxwxcb.cn/news/detail-412745.html

到了這里，關(guān)于基于Python手動實現(xiàn)Harris角點檢測的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！