实施哈里斯角落探测器
我正在实施哈里斯角落探测器的教育目的,但我卡在哈里斯响应部分。基本上,我在做什么,是:实施哈里斯角落探测器
- 计算在x方向和y方向的图像强度梯度 (1)以上的(2)
- 输出
- 计算哈里斯响应的
- 模糊输出在3x3邻域中抑制(3)的输出中的非极大值,并且阈值输出
1和2似乎工作正常;然而,作为哈里斯响应,我得到的值非常小,没有一点达到阈值。输入是标准的户外摄影。
[...]
[Ix, Iy] = intensityGradients(img);
g = fspecial('gaussian');
Ix = imfilter(Ix, g);
Iy = imfilter(Iy, g);
H = harrisResponse(Ix, Iy);
[...]
function K = harrisResponse(Ix, Iy)
max = 0;
[sy, sx] = size(Ix);
K = zeros(sy, sx);
for i = 1:sx,
for j = 1:sy,
H = [Ix(j,i) * Ix(j,i), Ix(j,i) * Iy(j,i)
Ix(j,i) * Iy(j,i), Iy(j,i) * Iy(j,i)];
K(j,i) = det(H)/trace(H);
if K(j,i) > max,
max = K(j,i);
end
end
end
max
end
对于样品图片,最大结束是6.4163e-018这似乎太低了。
Harris角点检测中的一个角被定义为“区域中最高值的像素”(通常为3X3
或5x5
),所以您关于没有达到“阈值”的点的评论对我来说似乎很陌生。只需要收集比周围邻居5x5
附近的所有像素值都高的像素。
除此之外: 我不是100%肯定,但我想你应该有:
K(j,i) = det(H) - lambda*(trace(H)^2)
哪里拉姆达的是,在你的情况下,工作的积极的常数(哈里斯建议值是0.04)。
一般来说唯一明智的时刻来过滤输入了这一点之前:
[Ix, Iy] = intensityGradients(img);
过滤Ix2
,Iy2
和Ixy
没有多大意义了我。
而且,我觉得你的代码示例是这里错了(不函数harrisResponse
有两个或三个输入变量):
H = harrisResponse(Ix2, Ixy, Iy2);
[...]
function K = harrisResponse(Ix, Iy)
建议的实施是非常低效的。 让我们计算梯度(其可以也被优化)之后开始:
A = Ix.^2;
B = Iy.^2;
C = (Ix.*Iy).^4;
lambda = 0.04;
H = (A.*B - C) - lambda*(A+B).^2;
% if you really need max:
max(H(:))
不需要循环,因为Matlab的讨厌环路。
但是为什么要计算'C =(Ix。* Iy)。^ 4'而不是简单的'C =(Ix。* Iy)'? – 2015-03-31 09:37:22
在计算机视觉系统工具箱中有一个称为detectHarrisFeatures
的功能。
基本上,Harris角点检测将有5个步骤:
- 梯度计算
- 高斯平滑
- 哈里斯量度计算
- 非最大抑制
- 阈值
如果你正在执行MATLAB,将会很容易理解算法并获得结果。
MATLAB的下面的代码可以帮助你解决你的疑惑:
% Step 1: Compute derivatives of image
Ix = conv2(im, dx, 'same');
Iy = conv2(im, dy, 'same');
% Step 2: Smooth space image derivatives (gaussian filtering)
Ix2 = conv2(Ix .^ 2, g, 'same');
Iy2 = conv2(Iy .^ 2, g, 'same');
Ixy = conv2(Ix .* Iy, g, 'same');
% Step 3: Harris corner measure
harris = (Ix2 .* Iy2 - Ixy .^ 2) ./ (Ix2 + Iy2);
% Step 4: Find local maxima (non maximum suppression)
mx = ordfilt2(harris, size .^ 2, ones(size));
% Step 5: Thresholding
harris = (harris == mx) & (harris > threshold);
,我与Python实现的解决方案,它为我工作,我希望你找到你在找什么
import numpy as np
import matplotlib.pyplot as plt
from PIL.Image import *
from scipy import ndimage
def imap1(im):
print('testing the picture . . .')
a = Image.getpixel(im, (0, 0))
if type(a) == int:
return im
else:
c, l = im.size
imarr = np.asarray(im)
neim = np.zeros((l, c))
for i in range(l):
for j in range(c):
t = imarr[i, j]
ts = sum(t)/len(t)
neim[i, j] = ts
return neim
def Harris(im):
neim = imap1(im)
imarr = np.asarray(neim, dtype=np.float64)
ix = ndimage.sobel(imarr, 0)
iy = ndimage.sobel(imarr, 1)
ix2 = ix * ix
iy2 = iy * iy
ixy = ix * iy
ix2 = ndimage.gaussian_filter(ix2, sigma=2)
iy2 = ndimage.gaussian_filter(iy2, sigma=2)
ixy = ndimage.gaussian_filter(ixy, sigma=2)
c, l = imarr.shape
result = np.zeros((c, l))
r = np.zeros((c, l))
rmax = 0
for i in range(c):
print('loking for corner . . .')
for j in range(l):
print('test ',j)
m = np.array([[ix2[i, j], ixy[i, j]], [ixy[i, j], iy2[i, j]]], dtype=np.float64)
r[i, j] = np.linalg.det(m) - 0.04 * (np.power(np.trace(m), 2))
if r[i, j] > rmax:
rmax = r[i, j]
for i in range(c - 1):
print(". .")
for j in range(l - 1):
print('loking')
if r[i, j] > 0.01 * rmax and r[i, j] > r[i-1, j-1] and r[i, j] > r[i-1, j+1]\
and r[i, j] > r[i+1, j-1] and r[i, j] > r[i+1, j+1]:
result[i, j] = 1
pc, pr = np.where(result == 1)
plt.plot(pr, pc, 'r+')
plt.savefig('harris_test.png')
plt.imshow(im, 'gray')
plt.show()
# plt.imsave('harris_test.png', im, 'gray')
im = open('chess.png')
Harris(im)
我已经恢复到不再过滤Ix2等,因此在*的副本中留下了一些错误。 – Etan 2010-10-05 12:50:44
问题是我没有总结3x3方块中的所有像素来找出Ix2等;相反,我刚刚使用了相应的像素。在改变H之后,它总结了所有9个像素的所有Ix2,Ixy和Iy2,看起来非常好。 – Etan 2010-10-05 12:52:16
det(H)/ trace(H)是一种在没有lambda的情况下使用的近似值。 – Etan 2010-10-05 12:52:41