11.2 Harris和Shi-Tomas算法

Harris和Shi-Tomas算法

学习目标

• 理解Harris和Shi-Tomasi算法的原理

• 能够利用Harris和Shi-Tomasi进行角点检测

1 Harris角点检测

1.1 原理

Harris角点检测的思想是通过图像的局部的小窗口观察图像，角点的特征是窗口沿任意方向移动都会导致图像灰度的明显变化，如下图所示：

椭圆函数特征值与图像中的角点、直线（边缘）和平面之间的关系如下图所示。

那我们怎么判断角点呢？如下图所示：

• 当R为大数值的正数时是角点

• 当R为大数值的负数时是边界

• 当R为小数是认为是平坦区域

1.2 实现

在OpenCV中实现Hariis检测使用的API是：

dst=cv.cornerHarris(src, blockSize, ksize, k)

参数：

• img：数据类型为 float32 的输入图像。

• blockSize：角点检测中要考虑的邻域大小。

• ksize：sobel求导使用的核大小

• k ：角点检测方程中的自由参数，取值参数为 [0.04，0.06].

示例：

import cv2 as cv

import numpy as np

import matplotlib.pyplot as plt

# 1 读取图像，并转换成灰度图像

img = cv.imread('./image/chessboard.jpg')

gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

# 2 角点检测# 2.1 输入图像必须是 float32

gray = np.float32(gray)



# 2.2 最后一个参数在 0.04 到 0.05 之间

dst = cv.cornerHarris(gray,2,3,0.04)

# 3 设置阈值，将角点绘制出来，阈值根据图像进行选择

img[dst>0.001*dst.max()] = [0,0,255]

# 4 图像显示

plt.figure(figsize=(10,8),dpi=100)

plt.imshow(img[:,:,::-1]),plt.title('Harris角点检测')

plt.xticks([]), plt.yticks([])

plt.show()

结果如下：

Harris角点检测的优缺点：

优点：

• 旋转不变性，椭圆转过一定角度但是其形状保持不变（特征值保持不变）

• 对于图像灰度的仿射变化具有部分的不变性，由于仅仅使用了图像的一介导数，对于图像灰度平移变化不变；对于图像灰度尺度变化不变

缺点：

• 对尺度很敏感，不具备几何尺度不变性。

• 提取的角点是像素级的

2 Shi-Tomasi角点检测

从这幅图中，可以看出来只有当 λ1 和 λ 2 都大于最小值时，才被认为是角点。

2.2 实现

在OpenCV中实现Shi-Tomasi角点检测使用API:

corners = cv2.goodFeaturesToTrack ( image, maxcorners, qualityLevel, minDistance )

参数：

• Image: 输入灰度图像

• maxCorners : 获取角点数的数目。

• qualityLevel：该参数指出最低可接受的角点质量水平，在0-1之间。

• minDistance：角点之间最小的欧式距离，避免得到相邻特征点。

返回：

• Corners: 搜索到的角点，在这里所有低于质量水平的角点被排除掉，然后把合格的角点按质量排序，然后将质量较好的角点附近（小于最小欧式距离）的角点删掉，最后找到maxCorners个角点返回。

示例：

import numpy as np

import cv2 as cv

import matplotlib.pyplot as plt

# 1 读取图像

img = cv.imread('./image/tv.jpg')

gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

# 2 角点检测

corners = cv.goodFeaturesToTrack(gray,1000,0.01,10)

# 3 绘制角点for i in corners:

x,y = i.ravel()

cv.circle(img,(x,y),2,(0,0,255),-1)

# 4 图像展示

plt.figure(figsize=(10,8),dpi=100)

plt.imshow(img[:,:,::-1]),plt.title('shi-tomasi角点检测')

plt.xticks([]), plt.yticks([])

plt.show()

结果如下：

总结

1. Harris算法

   思想：通过图像的局部的小窗口观察图像，角点的特征是窗口沿任意方向移动都会导致图像灰度的明显变化。

   API: cv.cornerHarris()

2. Shi-Tomasi算法

   对Harris算法的改进，能够更好地检测角点

   API: cv2.goodFeatureToTrack()