快捷導(dǎo)航

Android基于OpenCV實現(xiàn)Harris角點檢測

更新時間：2021年06月23日 09:53:21 作者：易冬

角點就是極值點，即在某方面屬性特別突出的點。當然，你可以自己定義角點的屬性（設(shè)置特定熵值進行角點檢測）。角點可以是兩條線的交叉處，也可以是位于相鄰的兩個主要方向不同的事物上的點。本文介紹如何基于OpenCV實現(xiàn)Harris角點檢測

什么是角點？

角點就是極值點，即在某方面屬性特別突出的點。當然，你可以自己定義角點的屬性（設(shè)置特定熵值進行角點檢測）。角點可以是兩條線的交叉處，也可以是位于相鄰的兩個主要方向不同的事物上的點。角點通常被定義為兩條邊的交點，或者說，角點的局部鄰域應(yīng)該具有兩個不同區(qū)域的不同方向的邊界。常見的角點有：

灰度梯度的最大值對應(yīng)的像素點；
兩條直線或者曲線的交點；
一階梯度的導(dǎo)數(shù)最大值和梯度方向變化率最大的像素點；
一階導(dǎo)數(shù)最大，二階導(dǎo)數(shù)為零的像素點（指示物體邊緣變化不連續(xù)的方向）。

為什么要檢測角點？

角點是圖像很重要的特征，對圖像圖形的理解和分析有很重要的作用。角點在保留圖像圖形重要特征的同時，可以有效地減少信息的數(shù)據(jù)量，使其信息的含量很高，有效地提高了計算的速度，有利于圖像的可靠匹配,使得實時處理成為可能。角點在三維場景重建、運動估計、目標跟蹤、目標識別、圖像配準與匹配等計算機視覺領(lǐng)域起著非常重要的作用。

Harris角點檢測

人眼對角點的識別通常是在一個局部的小區(qū)域或小窗口完成的。如果在各個方向上移動這個特征的小窗口，窗口內(nèi)區(qū)域的灰度發(fā)生了較大的變化，那么就認為在窗口內(nèi)遇到了角點。如果這個特定的窗口在圖像各個方向上移動時，窗口內(nèi)圖像的灰度沒有發(fā)生變化，那么窗口內(nèi)就不存在角點；如果窗口在某一個方向移動時，窗口內(nèi)圖像的灰度發(fā)生了較大的變化，而在另一些方向上沒有發(fā)生變化，那么，窗口內(nèi)的圖像可能就是一條直線的線段。

Harris角點檢測原理用公式演算如下：

其中w(x,y)表示滑動窗口權(quán)重函數(shù)，可以是常數(shù)也可以是高斯函數(shù)。E(u,v)表示滑動窗口向各個方向移動時像素值衡量系數(shù)的變化。

這里λ1,λ2是矩陣M的2個特征值，k是一個指定值，這是一個經(jīng)驗參數(shù)，需要實驗確定它的合適大小，通常它的值在0.04和0.06之間,它的存在只是調(diào)節(jié)函數(shù)的形狀而已。R取決于M的特征值，對于角點|R|很大，平坦的區(qū)域|R|很小，邊緣的R為負值;

API

public static void cornerHarris(Mat src, Mat dst, int blockSize, int ksize, double k, int borderType)

參數(shù)一：src，輸入源圖像。必須是單通道8U或者32F類型。
參數(shù)二：dst，輸出評價系數(shù)R的矩陣。尺寸與src相同，類型為單通道32F。
參數(shù)三：blockSize，鄰域大小。
參數(shù)四：ksize，Sobel算子的半徑。
參數(shù)五：k，計算Harris評價系數(shù)R的權(quán)重系統(tǒng)。
參數(shù)六：borderType，像素外推算法標志位。

方法的輸出dst為評價系數(shù)R的矩陣，由于評價系數(shù)有正有負且范圍較廣，計算結(jié)束后通常需要進行歸一化處理。然后通過經(jīng)驗閾值比較判斷像素點是否為Harris角點。閾值越大，提取的Harris角點越少，閾值越小，提取的Harris角點越多。

操作

/**
 * Harris角點檢測
 * author: yidong
 * 2020/12/30
 */
class HarrisActivity : AppCompatActivity() {
    private val mBinding: ActivityHarrisBinding by lazy {
        ActivityHarrisBinding.inflate(layoutInflater)
    }

    private val gray by lazy {
        this.getBgrFromResId(R.drawable.lena).toGray()
    }

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(mBinding.root)

        mBinding.ivLena.showMat(gray)
        wrapCoroutine({ showLoading() }, { doCornerHarris() }, { hideLoading() })
    }

    private fun doCornerHarris() {
        val dst = Mat()
        val dstNorm = Mat()
        val dstNormal8U = Mat()
        Imgproc.cornerHarris(gray, dst, 2, 3, 0.04)
        Core.normalize(dst, dstNorm, 0.0, 255.0, Core.NORM_MINMAX)
        Core.convertScaleAbs(dstNorm, dstNormal8U)
        Imgproc.threshold(dstNormal8U, dstNormal8U, 120.0, 255.0, Imgproc.THRESH_BINARY)
        GlobalScope.launch(Dispatchers.Main) {
            mBinding.ivResult.showMat(dstNormal8U)
        }
    }

    private fun showLoading() {
        mBinding.isLoading = true
    }

    private fun hideLoading() {
        mBinding.isLoading = false
    }
    
    override fun onDestroy() {
        super.onDestroy()
        gray.release()
    }
}