使用哈里斯角点检测器的输出来检测角落（出现新问题）

Question

我正在使用来自here的Harris角点探测器代码。但是，最终输出“H”具有非常大的负值，最大值为0.我最初使用两个3x3 Sobel掩模对图像进行卷积以提取Ix和Iy矩阵。然后Harris角点检测器函数使用Ix和Iy矩阵来计算Harris

这是我的代码：

IxMask = [-1, 0, 1; -2, 0, 2; -1, 0, 1];
IyMask = [1, 2, 1; 0, 0, 0; -1, -2, -1];
Ix = conv2(double(imread('imageName.jpg')), IxMask);
Iy = conv2(double(imread('imageName.jpg')), IyMask);
A = Ix.^2;
B = Iy.^2;
C = (Ix.*Iy).^2;
lambda = 0.04;

H = (A.*B - C) - lambda*(A+B).^2;

H矩阵的所有值都是负数，其中一些是非常大的负数。这有什么不对吗？如果是这样，我无法弄清楚我的代码有什么问题。你可以帮我解决一下吗？

这是原始图片：

以下是我的函数的输出，但没有在Ix和Iy矩阵上应用具有负值的任何高斯内核：

以下是在Ix和Iy矩阵上应用Sigma 1-3的高斯内核后的函数的输出。应用高斯核后，R矩阵的最小值将为0！ 然而，这是R矩阵的值是负的，最大值是0！

我完全不知道如何检测角落。我可能会注意到我没有MATLAB的计算机视觉工具箱。

Answer 1

C的等式似乎错了。尝试：

C = (Ix.*Iy).^2;  % was .^4

此外，您通常使用高斯平滑Ix和Iy。 MATLAB过滤A，B和C，其中2D内核k = w(:)*w(:)'位于w=fspecial('gaussian',[1 5],1.5);。

您可能希望使用conv2(...,'same')，或类似地使用filter2。

然后，如果您有图像处理工具箱，则可以使用BW = imregionalmax(cornerness,8);获取最大值（角点）的2D蒙版。如果您没有工具箱，请按this answer for finding local maxima in a 2D matrix。

Answer 2

发现了这个帖子，因为我遇到了同样的问题。我能够解决此问题，并认为值得在此处发布我的解决方案。

计算拐角响应时 H =（A. B-C）-lambda （A + B）。^ 2;

（A. * B-C）是决定因素 （A + B）是迹线 这是不正确的，因为您没有获取M矩阵的行列式和迹线。相反，您只是获取了行列式并跟踪每个像素位置。这样做时，我们应该期望拐角响应有很多强的负值，因为行列式将为零，并且结果响应函数将变为H = -lambda（trace（M）^ 2）。 >

证明：（Ix ^ 2。* Iy ^ 2）-（Ix。* Iy）。^ 2 =（Ix ^ 2。* Iy ^ 2）-（Ix ^ 2。* Iy ^ 2）= 0。

正确的解决方案是首先生成M矩阵的元素：

1. 在每个像素位置，将围绕该像素的某个窗口上的Ix ^ 2，Iy ^ 2，Ix * Iy求和以生成M矩阵
2. 计算步骤（1）中计算出的M矩阵的行列式和迹线
3. 使用M矩阵的元素计算哈里斯响应

示例代码：

IxMask = [-1, 0, 1; -2, 0, 2; -1, 0, 1];
IyMask = [1, 2, 1; 0, 0, 0; -1, -2, -1];
wMask = [1, 1, 1; 1, 1, 1; 1, 1, 1]; 

Ix = conv2(double(imread('imageName.jpg')), IxMask);
Iy = conv2(double(imread('imageName.jpg')), IyMask);

Ix2 = Ix.^2;
Iy2 = Iy.^2;
Ixy = (Ix.*Iy);

M_11 = conv2(Ix2, wMask);
M_12 = conv2(Ixy, wMask);
M_22 = conv2(Iy2, wMask);

det_M = (M_11.*M_22 - M_12.*M_12);
trace_M = (M_11 + M_22);
H = det_M - lambda.*(trace_M.^2);

请注意，我使用了统一的权重函数。实际上，我们将使用高斯。

Answer 3

计算机视觉系统工具箱中有一个名为detectHarrisFeatures的功能。