OpenCV实现角点检测（cornerHarris）

一、概述

　　案例：使用cornerHarris实现角点检测，并调节其参数看看不同参数下的不同效果　　

　　技术：Qt+C+++OpenCV

角点检测函数介绍：
cornerHarris(src,dst,blockSize,ksize,k,BORDER_DEFAULT)
1.src：必须是单通道8位或者32位浮点图像
2.dst：存储角点结果图像，它的格式是CV_32FC1，图像大小和原图大小一致
3.blockSize：扫描窗口的大小，ps：此值越大检测到的结果越多
4.ksize：Sobel算子的大小，四邻域、八邻域等，此值越大检测结果越多
5.k:此值是个经验值一般只用0.04，其取值区间是0.04~0.06之间

　　实现角点检测的步骤：

　　　　1.载入图像

　　　　2.将图像转为灰度图，因为cornerHarris的输入只能是8位或者32位的灰度图像

　　　　3.执行角点检测，并将检测到的结果输出到dst中

　　　　4.将检测到的值归一化到0~255之间，因为输出图像dst检测到的值是浮点数

　　　　5.将归一化后的图像像素值取绝对值，因为归一化后的图像有可能是负数

　　　　6.标定阀值，并循环输出图像，如果像素大于阀值就说明是角点（绘制出来），小于就直接舍弃

 

　　实验结果（同等条件下）：

　　　　1.blockSize越大检测到的角点就越多

　　　　2.k的值越大检测到的角点越多

　　　　3.ksize的值越大检测到的角点越多

　　　　4.thresh阀值越大可用角点越少，越大可用角点也就越多

　　　　其中前三个值大道一定程度的时候全屏幕都是角点，非常不准确，需要根据实际的图像情况实时的调节自己的参数。

二、代码示例

  src = imread(filePath);
    if(src.empty()){
        cout << "图片不能为空"<<endl;
        return;
    }
//    imshow("src",src);
    cvtColor(src,gray,COLOR_BGR2GRAY);
//    imshow("gray",gray);
    Mat dst,norm_dst, normScaleDst;
    cornerHarris(gray,dst,blockSize,ksize,k,BORDER_DEFAULT);//dst输出参数一般32位浮点
    //将dst数据归一化到0~255之间
    normalize(dst,norm_dst,0,255,NORM_MINMAX, CV_32FC1, Mat());
//    imshow("normalize",norm_dst);
    //取绝对值
    convertScaleAbs(norm_dst,normScaleDst);
    resultImg = src.clone();
    for (int row = 0; row < resultImg.rows; row++) {
        uchar * currentRow = normScaleDst.ptr(row);
        for (int col = 0; col < resultImg.cols; col++) {
            int value = (int)*currentRow;

            if(value>thresh){
                circle(resultImg,Point(col,row),2,Scalar(0,0,255),2,LINE_8,0);
            }
            currentRow++;//用指针速度快
        }
    }

 

三、示例图片（图片上的红色小圆就是绘制出来的角点）