之OpenCV中之图像角点检测实现

    在利用DragonBoard 410c来实现图像角点检测前，先要了解下什么事角点检测。“如果某一点在任意方向的一个微小变动都会引起灰度很大的变化，那么我们就把它称之为角点”

    角点检测(Corner Detection)是计算机视觉系统中用来获得图像特征的一种方法，广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域中。也称为特征点检测。我们知道，特征检测与匹配是计算机视觉应用中非常重要的一部分，这需要寻找图像之间的特征建立对应关系。图像中的点作为图像的特殊位置，是很常用的一类特征，点的局部特征也可以叫做“关键特征点”(keypoint feature)，或“兴趣点”(interest point)，或“角点”(conrner)。（这里引用网络解释）

关于角点的具体描述可以有几种：

• 一阶导数(即灰度的梯度)的局部最大所对应的像素点；
• 两条及两条以上边缘的交点；
• 图像中梯度值和梯度方向的变化速率都很高的点；
• 角点处的一阶导数最大，二阶导数为零，指示物体边缘变化不连续的方向。
  

说了这么多，看一张图或许会更好理解些：

  左边是原始图片，中间是用圆圈标注的角点，最右边为出来后显示出来的点。观察仔细的话会发现两种图片的不同，这里可以看到第二张图片上面的滑动条，这里是控制角点检测中的阈值，来实现检测严格度的控制，下面给出源码如下：

1. #include <opencv2/opencv.hpp>
   
2. #include "opencv2/highgui/highgui.hpp"
   
3. #include "opencv2/imgproc/imgproc.hpp"
   
4. using namespace cv;
   
5. using namespace std;
   
6. 
   
7. #define WINDOW_NAME1 "windows1"        //为窗口标题定义的宏  
   
8. #define WINDOW_NAME2 "windows2"        //为窗口标题定义的宏  
   
9. 
   
10. Mat g_srcImage, g_srcImage1,g_grayImage;
    
11. int thresh = 30; //当前阈值
    
12. int max_thresh = 175; //最大阈值
    
13. 
    
14. void on_CornerHarris( int, void* );//回调函数
    
15. static void ShowHelpText();
    
16. 
    
17. int main( int argc, char** argv )
    
18. {
    
19. 
    
20.         g_srcImage = imread( "1.jpg", 1 );
    
21.         if(！g_srcImage.data ) { printf("read picture error ！ \n"); return false; }  
    
22.         imshow("original_pic",g_srcImage);
    
23.         g_srcImage1=g_srcImage.clone( );
    
24. 
    
25.         cvtColor( g_srcImage1, g_grayImage, CV_BGR2GRAY );
    
26. 
    
27.         //创建窗口和滚动条
    
28.         namedWindow( WINDOW_NAME1, CV_WINDOW_AUTOSIZE );
    
29.         createTrackbar( "Threshold: ", WINDOW_NAME1, &thresh, max_thresh, on_CornerHarris );
    
30. 
    
31.         on_CornerHarris( 0, 0 );
    
32. 
    
33.         waitKey(0);
    
34.         return(0);
    
35. }
    
36. 
    
37. 
    
38. void on_CornerHarris( int, void* )
    
39. {
    
40.         Mat dstImage;//目标图
    
41.         Mat normImage;//归一化后的图
    
42.         Mat scaledImage;//线性变换后的八位无符号整型的图
    
43.         //置零当前需要显示的两幅图，即清除上一次调用此函数时他们的值
    
44.         dstImage = Mat::zeros( g_srcImage.size(), CV_32FC1 );
    
45.         g_srcImage1=g_srcImage.clone( );
    
46.         //进行角点检测
    
47.         cornerHarris( g_grayImage, dstImage, 2, 3, 0.04, BORDER_DEFAULT );
    
48. 
    
49.         // 归一化与转换
    
50.         normalize( dstImage, normImage, 0, 255, NORM_MINMAX, CV_32FC1, Mat() );
    
51.         convertScaleAbs( normImage, scaledImage );//将归一化后的图线性变换成8位无符号整型
    
52. 
    
53.         for( int j = 0; j < normImage.rows ; j++ )
    
54.         { for( int i = 0; i < normImage.cols; i++ )
    
55.         {
    
56.                 if( (int) normImage.at<float>(j,i) > thresh+80 )
    
57.                 {
    
58.                         circle( g_srcImage1, Point( i, j ), 5,  Scalar(10,10,255), 2, 8, 0 );
    
59.                         circle( scaledImage, Point( i, j ), 5,  Scalar(0,10,255), 2, 8, 0 );
    
60.                 }
    
61.         }
    
62.         }
    
63.         imshow( WINDOW_NAME1, g_srcImage1 );
    
64.         imshow( WINDOW_NAME2, scaledImage );
    
65. 
    
66. }

   这里代码稍微有点多，不过我们主要看cornerHarris 函数，它这才是用于在OpenCV中运行Harris角点检测算子处理图像函数。和cornerMinEigenVal( )以及cornerEigenValsAndVecs( )函数类似，cornerHarris 函数对于每一个像素(x,y)在邻域内，计算2x2梯度的协方差矩阵，式子就不给了，设计数学问题太多，主要会用就行。我们看看其函数原型和参数

void cornerHarris(InputArray src,OutputArray dst, int blockSize, int ksize, double k, intborderType=BORDER_DEFAULT )  

• 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位或者浮点型图像。
• 第二个参数，OutputArray类型的dst，函数调用后的运算结果存在这里，即这个参数用于存放Harris角点检测的输出结果，和源图片有一样的尺寸和类型。
• 第三个参数，int类型的blockSize，表示邻域的大小，更多的详细信息在cornerEigenValsAndVecs（）中有讲到。
• 第四个参数，int类型的ksize，表示Sobel()算子的孔径大小。
• 第五个参数，double类型的k，Harris参数。
• 第六个参数，int类型的borderType，图像像素的边界模式，注意它有默认值BORDER_DEFAULT。更详细的解释，参考borderInterpolate( )函数。
  

       OpenCV封装好了很多算法实现的接口函数，如果研究算法的话，必然要深入研究，这里只是做一个简单的使用说明案例。一般在实际图像处理中，我们修改相关参数即可。