代码示例一:

#include<opencv2/opencv.hpp>
using namespace cv;

int main(){
    Mat src = imread();
    imshow("原始图", src);

    //进行Harris角点检测找出角点
    Mat cornerStrength;
    cornerHarris(src, cornerStrength, , , 0.01);

    //对灰度图进行阈值操作,得到二值图并显示
    Mat harrisCorner;
    threshold(cornerStrength, harrisCorner, , THRESH_BINARY);
    imshow("二值效果图",harrisCorner);

    waitKey();
    ;
}

效果:

代码示例二:

#include<opencv2/opencv.hpp>
using namespace cv;

#define WINDOW_NAME1 "窗口1"
#define WINDOW_NAME2 "窗口2"

Mat src,srcClone,gray;
;
;

//函数声明
void onCornerHarris(int, void*);//回调函数

int main(){
    src = imread();
    imshow("原始图", src);
    srcClone = src.clone();
    cvtColor(srcClone, gray, COLOR_BGR2GRAY);

    //创建窗口和滚动条
    namedWindow(WINDOW_NAME1, WINDOW_AUTOSIZE);
    createTrackbar("阈值:", WINDOW_NAME1, &thresh, max_thresh, onCornerHarris);
    //调用一次回调函数进行初始化
    onCornerHarris(, );

    waitKey();
    ;
}

void onCornerHarris(int, void*){
    Mat dstImage;//目标图
    Mat normImage;//归一化后的图
    Mat scaledImage;//线性变换后的8位无符号整形图

    //初始化
    dstImage = Mat::zeros(src.size(), CV_32FC1);
    srcClone = src.clone();

    //进行角点检测
    cornerHarris(gray, dstImage, , , 0.04, BORDER_DEFAULT);
    //归一化与转换
    normalize(dstImage, normImage, , , NORM_MINMAX, CV_32FC1, Mat());
    convertScaleAbs(normImage, scaledImage);

    //绘制:将检测到的,符合阈值条件的角点绘制出来
    ; j < normImage.rows; j++){
        ; i < normImage.cols; i++){
            ){
                circle(srcClone, Point(i, j), , Scalar(, , ), , , );
                circle(scaledImage, Point(i, j), , Scalar(, , ), , , );
            }
        }
    }

    imshow(WINDOW_NAME1, srcClone);
    imshow(WINDOW_NAME2, scaledImage);
}

效果:

代码示例三:

#include<opencv2/opencv.hpp>
using namespace cv;
#include<vector>
using namespace std;
class HarrisDetector{
private:
    //表示角点强度的32位浮点图像
    Mat cornerStrength;
    //阈值化后的32位浮点图像
    Mat cornerTh;
    //局部极大值图像(内部)
    Mat localMax;
    //导数平滑的相邻像素的尺寸
    int neighbourhood;
    //梯度计算的孔径大小
    int aperture;
    //Harris参数
    double k;
    //harris计算的最大强度
    double maxStrength;
    //计算得到的阈值(内部)
    double threshold;
    //非极大值抑制的相邻像素的尺寸
    int nonMaxSize;
    //非极大值抑制的核
    Mat kernel;

public:
    HarrisDetector() :neighbourhood(), aperture(),
        k(0.01), maxStrength(0.0),
        threshold(){
        //创建非极大值抑制的核

    }

    void detect(const Mat& image){
        //harris计算
        cornerHarris(image, cornerStrength, neighbourhood, aperture, k);
        //内部阈值计算
        double minStrength;//未使用
        minMaxLoc(cornerStrength, &minStrength, &maxStrength);
        //局部极大值检测
        Mat dilated;//临时图像
        dilate(cornerStrength, dilated, Mat());
        compare(cornerStrength, dilated, localMax, CMP_EQ);
    }

    Mat getCornerMap(double qualityLevel){
        Mat cornerMap;
        //对角点图像进行阈值化
        this->threshold = qualityLevel*maxStrength;
        cv::threshold(cornerStrength, cornerTh, threshold, , THRESH_BINARY);
        //转换为8位图像
        cornerTh.convertTo(cornerMap,CV_8U);
        //非极大值抑制
        bitwise_and(cornerMap, localMax, cornerMap);
        return cornerMap;
    }

    void getCorners(vector<cv::Point>& points,double qualityLevel){
        //得到角点图
        cv::Mat cornerMap = getCornerMap(qualityLevel);
        getCorners(points, cornerMap);
    }

    void getCorners(vector<cv::Point>& points, const Mat& cornerMap){
        //遍历像素得到所有特征
        ; y < cornerMap.rows; y++){
            const uchar* rowPtr = cornerMap.ptr <uchar>(y);
            ; x < cornerMap.cols; x++){
                //如果是特征点
                if (rowPtr[x]){
                    points.push_back(cv::Point(x, y));
                }
            }
        }
    }

    //在特征点的位置绘制圆
    ,,), , ){
        vector<cv::Point>::const_iterator it = points.begin();
        while (it != points.end()){
            cv::circle(image, *it, radius, color, thickness);
            ++it;
        }
    }
};

int main(){
    Mat src = imread();
    //HarrisDetector类使用方式
    HarrisDetector harris;
    harris.detect(src);
    std::vector<cv::Point> pts;
    harris.getCorners(pts, 0.1);
    harris.drawOnImage(src, pts);
    imshow("result", src);
    waitKey();
}

效果:

Harris角点检测的更多相关文章

  1. Harris角点检测算法优化

    Harris角点检测算法优化 一.综述 用 Harris 算法进行检测,有三点不足:(1 )该算法不具有尺度不变性:(2 )该算法提取的角点是像素级的:(3 )该算法检测时间不是很令人满意. 基于以上 ...

  2. Harris 角点检测

    一 .Motivation 对于做图像处理的人来说,Harris角点检测肯定听过,1988年发表的文章"A combined corner and edge detector"描述 ...

  3. Harris角点检测算原理

    主要参考了:http://blog.csdn.net/yudingjun0611/article/details/7991601  Harris角点检测算子 本文将该文拷贝了过来,并做了一些数学方面的 ...

  4. Harris角点检测原理分析

    看到一篇从数学意义上讲解Harris角点检测很透彻的文章,转载自:http://blog.csdn.net/newthinker_wei/article/details/45603583 主要参考了: ...

  5. cv2.cornerHarris()详解 python+OpenCV 中的 Harris 角点检测

    参考文献----------OpenCV-Python-Toturial-中文版.pdf 参考博客----------http://www.bubuko.com/infodetail-2498014. ...

  6. Opencv学习笔记------Harris角点检测

    image算法测试iteratoralgorithmfeatures 原创文章,转载请注明出处:http://blog.csdn.net/crzy_sparrow/article/details/73 ...

  7. harris角点检测的简要总结

    目录 1. 概述相关 2. 原理详解 1) 算法思想 2) 数学模型 3) 优化推导 3. 具体实现 1) 详细步骤 2) 最终实现 4. 参考文献 1. 概述相关 harris角点检测是一种特征提取 ...

  8. OpenCV-Python:Harris角点检测与Shi-Tomasi角点检测

    一.Harris角点检测 原理: 角点特性:向任何方向移动变换都很大. Chris_Harris 和 Mike_Stephens 早在 1988 年的文章<A CombinedCorner an ...

  9. 第十一节、Harris角点检测原理(附源码)

    OpenCV可以检测图像的主要特征,然后提取这些特征.使其成为图像描述符,这类似于人的眼睛和大脑.这些图像特征可作为图像搜索的数据库.此外,人们可以利用这些关键点将图像拼接起来,组成一个更大的图像,比 ...

随机推荐

  1. iOS学习-----真机测试过程

    原文 http://www.th7.cn/Program/IOS/201407/233103.shtml   1:进入苹果开发者平台 2:进入Member Center 3:输入开发者账号和密码 4: ...

  2. Spring Framework----定时任务的执行和调度

    1. 简介 spring framework 为任务的异步执行和调度提供了抽象接口分别是:TaskExecutor 和 TaskScheduler,spring 对这些接口的进一步实现支持线程池或者将 ...

  3. Cannot find executable for CFBundle 解决办法

    出错日志为:2013-12-29 01:17:49.785 Displaying Alerts with UIAlertView[419:70b] Cannot find executable for ...

  4. 对char类型的理解以及对补码的理解分析

    今天遇到这样一个小程序,觉得当中有些问题很容易让人忽略的! 这个程序代码如下: 程序的结果为: 我想很多像我一样的小白可能才开始是想不明白为什么最后的结果是255吧!首先,我们得知道 strlen() ...

  5. [踏得网]HTML5在线教程阅读进度记录

    2017年1月3日18:12:19http://techbrood.com/h5b2a?p=html-canvas-states 2017年1月3日17:10:11http://techbrood.c ...

  6. C# Dictionary 的几种遍历方法

    Dictionary<string, int> list = new Dictionary<string, int>(); list.Add("d", 1) ...

  7. Codeforces 724C [坐标][乱搞][模拟]

    /* 不要低头,不要放弃,不要气馁,不要慌张 题意: 从(0,0)出发与x轴正方向呈45度角的射线,在给定的矩形区域内不断发射,直到射入矩形的某个角停止. 给出多个坐标,问光线最早经过某坐标的时间. ...

  8. 【解决】如何导入导出SharePoint列表和文档库

    早期的SharePoint管理工具stsadm.exe只能导出/导入网站,但不能导出/导入列表和文档库.但在PowerShell增加了此命令,具体操作如下. I. 导出列表或文档库 Export-SP ...

  9. IE请求访问的设置

    1:问题 目前有个项目采用AngularJs发送Restful风格的请求的方式来实现前后端的通信,测试人员在使用IE浏览器进行测试的时候发现,有时候请求发送不到后台,后来经查找发现是由于IE浏览器的默 ...

  10. 初始化成员列表 ——— 类的const成员和引用成员的初始化

    class A { public: A(){}; const int num; CString& s; } A::A() { cout<<A con<<endl; } ...