OpenCV實現角點檢測（cornerHarris）

一、概述

　　案例：使用cornerHarris實現角點檢測，並調節其參數看看不同參數下的不同效果　　

　　技術：Qt+C+++OpenCV

角點檢測函數介紹：
cornerHarris(src,dst,blockSize,ksize,k,BORDER_DEFAULT)
1.src：必須是單通道8位或者32位浮點圖像
2.dst：存儲角點結果圖像，它的格式是CV_32FC1，圖像大小和原圖大小一致
3.blockSize：掃描窗口的大小，ps：此值越大檢測到的結果越多
4.ksize：Sobel算子的大小，四鄰域、八鄰域等，此值越大檢測結果越多
5.k:此值是個經驗值一般只用0.04，其取值區間是0.04~0.06之間

　　實現角點檢測的步驟：

　　　　1.載入圖像

　　　　2.將圖像轉為灰度圖，因為cornerHarris的輸入只能是8位或者32位的灰度圖像

　　　　3.執行角點檢測，並將檢測到的結果輸出到dst中

　　　　4.將檢測到的值歸一化到0~255之間，因為輸出圖像dst檢測到的值是浮點數

　　　　5.將歸一化后的圖像像素值取絕對值，因為歸一化后的圖像有可能是負數

　　　　6.標定閥值，並循環輸出圖像，如果像素大於閥值就說明是角點（繪制出來），小於就直接舍棄

 

　　實驗結果（同等條件下）：

　　　　1.blockSize越大檢測到的角點就越多

　　　　2.k的值越大檢測到的角點越多

　　　　3.ksize的值越大檢測到的角點越多

　　　　4.thresh閥值越大可用角點越少，越大可用角點也就越多

　　　　其中前三個值大道一定程度的時候全屏幕都是角點，非常不准確，需要根據實際的圖像情況實時的調節自己的參數。

二、代碼示例

  src = imread(filePath);
    if(src.empty()){
        cout << "圖片不能為空"<<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輸出參數一般32位浮點
    //將dst數據歸一化到0~255之間
    normalize(dst,norm_dst,0,255,NORM_MINMAX, CV_32FC1, Mat());
//    imshow("normalize",norm_dst);
    //取絕對值
    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++;//用指針速度快
        }
    }

 

三、示例圖片（圖片上的紅色小圓就是繪制出來的角點）