当前位置：首页 > news >正文

手机网站制作软件下载郑州外贸网站建设公司排名

news 2025/9/17 15:47:28

手机网站制作软件下载,郑州外贸网站建设公司排名,未来网站发展方向,网站建设备案优化1.Harris角点介绍什么是角点？ 角点指的是两条边的交点，图中红色圈起来的点就是角点。 Harris角点检测原理：首先定义一个矩形区域，然后将这个矩形区域放置在我的图像中，求取这个区域内所有的像素值之和，之…

1.Harris角点介绍

什么是角点？角点指的是两条边的交点，图中红色圈起来的点就是角点。

Harris角点检测原理：首先定义一个矩形区域，然后将这个矩形区域放置在我的图像中，求取这个区域内所有的像素值之和，之后沿着多个方向移动我这个区域，再次计算新区域的像素值之和，如果移动前和移动后的像素值两者的差值比较小，那么就不是Harris角点，如果两者之间差值比较大，就认定移动前覆盖的区域内存在Harris角点。

如图：下图两条线形成角点，而矩形区域分别表示平面、边界、角点三种位置：

2.Harris角点计算

Harris角点检测原理：当移动窗口，窗口内像素值变化大就有Harris角点

Harris角点检测原理公式：

权重系数的引入是为了更加方便地去确定某一个点是Harris角点。

Harris角点检测原理公式写成矩阵形式：

由此可得出梯度协方差矩阵M

Harris评价函数来测量每个像素的角点程度，与梯度协方差矩阵M相关

在这个公式中，R是角点响应函数的值，M是一个2x2的矩阵，描述了局部区域中像素的梯度信息，det(M)表示矩阵的行列式，trace(M)表示矩阵的迹，k是一个常数，用于调节响应函数的敏感度。

Harris评价函数可以用特征向量来表示。λ1和λ2分别是M的两个特征值。

通过对特征值λ1和λ2进行求解，我们可以计算Harris评价函数R，并据此来判断像素是否为角点。

当λ1和λ2都较大且接近时，表示图像局部区域存在角点。
当λ1和λ2都比较小或者差异较大时，表示图像局部区域是平坦或者边缘区域。

3.检测Harris角点函数cornerHarris()

void cv::cornerHarris ( InputArray src,

OutputArray dst,

int blockSize,

int ksize,

double K,

int borderType = BORDER_DEFAULT

）

src:待检测Harris角点的输入图像，图像必须是CV 8U或者CV 32F的单通道灰度图像
dst: 存放Harris评价系数的R矩阵，数据类型为CV 32F的单通道图像，与输入图像具有相同的尺寸
blockSize:邻域大小
ksize: Sobel算子的半径，用于得到梯度信息
k:计算Harris评价系数R的权重系数
borderType:像素外推算法标志

4.绘制角点函数drawKeypoints()

void drawKeypoints(InputArray image,

const std::vector<KeyPoint>& keypoints,

OutputArray outImage,

const Scalar& color = Scalar::all(-1),

int flags = DrawMatchesFlags::DEFAULT

)

参数说明：

image: 输入图像，可以是任意类型的Mat对象。
keypoints: vector类型的关键点，每个关键点包含其在图像中的位置和其他信息（如尺度、方向等）。
outImage: 输出图像，用于存储绘制了特征点的图像。可以与输入图像相同的尺寸和类型。
color: 绘制特征点的颜色，可以是Scalar对象或CV_RGB(R, G, B)宏定义，默认为Scalar::all(-1)表示随机颜色。
flags: 绘制标志，用于控制绘制方式。可以是以下常量之一：
- DrawMatchesFlags::DEFAULT: 默认绘制方式，显示关键点的位置和大小。
- DrawMatchesFlags::DRAW_OVER_OUTIMG: 将关键点绘制在输出图像上，而不是创建新的输出图像。
- DrawMatchesFlags::DRAW_RICH_KEYPOINTS: 绘制丰富的特征点，显示位置、尺度、方向等详细信息。

5.示例代码：

void Harris_f(Mat image){//转成灰度图像Mat gray;cvtColor(image,gray,COLOR_BGR2GRAY);// 执行Harris角点检测Mat harris;cornerHarris(gray,harris,2,3,0.04);//归一化便于进行数值比较和结果显示Mat harrisn;normalize(harris,harrisn,0,255,NORM_MINMAX);//将图像的数据类型变成CV_8UconvertScaleAbs(harrisn,harrisn);//寻找Harris角点vector<KeyPoint> keyPoints;for(int row=0;row<harrisn.rows;row++){for(int col=0;col<harrisn.cols;col++){int R=harrisn.at<uchar>(row,col);if(R<180){//将角点存入KeyPoint中KeyPoint keyPoint;keyPoint.pt.y=row;keyPoint.pt.x=col;keyPoints.push_back(keyPoint);}}}//绘制角点drawKeypoints(image,keyPoints,image,Scalar(0,0,255,255));//与显示结果imwrite("/sdcard/DCIM/harrisn.png",harrisn);imwrite("/sdcard/DCIM/result.png",image);
}