Question

我试图了解如何计算Harris Corner M，如中所定义 https://courses.cs.washington.edu/courses/cse455/07wi/homework/hw3/

似乎你需要总结一堆补丁。

但是，我看到很多实现都是这样的：

  R = (Ix2.*Iy2 - Ixy.^2) - k*(Ix2 + Iy2).^2;

来自：http://web.engr.illinois.edu/~slazebni/spring14/harris.m

没有总结，你永远不会看补丁。

这些看起来并不等同于我。例如，＆＃34; R＆＃34;像素5,5的值仅为该像素的Ix2，Iy2和Ixy值的平方。然而，数学似乎建议你总结一个补丁，比如像素5,5。哪种实施是正确的？都？它们是等价的吗？

注意：Ix2 =图像I在x方向上的平方梯度除y方向外，Iy2是相同的 Ixy = Ix。* Iy

此外，。*或。^是matlab表示法，表示逐点乘法或取幂。

Answer 1

对于自我控制，Harris Corners的计算基于相关矩阵M的计算：

对于图像中的每个像素，您希望收集按高斯权重加权的N x N像素窗口，并计算图像中R位置的响应值(x,y)： / p>

超过阈值的R值被视为兴趣点。 Ix和Iy分别是水平和垂直导数。现在，您关注的代码我将把它放入这篇文章中以进行自我遏制。顺便说一下，这应归功于Peter Kovesi谁将原始函数编写为你帖子中的链接：

% HARRIS - Harris corner detector
%
% Usage:  [cim, r, c] = harris(im, sigma, thresh, radius, disp)
%
% Arguments:   
%            im     - image to be processed.
%            sigma  - standard deviation of smoothing Gaussian. Typical
%                     values to use might be 1-3.
%            thresh - threshold (optional). Try a value ~1000.
%            radius - radius of region considered in non-maximal
%                     suppression (optional). Typical values to use might
%                     be 1-3.
%            disp   - optional flag (0 or 1) indicating whether you want
%                     to display corners overlayed on the original
%                     image. This can be useful for parameter tuning.
%
% Returns:
%            cim    - binary image marking corners.
%            r      - row coordinates of corner points.
%            c      - column coordinates of corner points.
%
% If thresh and radius are omitted from the argument list 'cim' is returned
% as a raw corner strength image and r and c are returned empty.

% Reference: 
% C.G. Harris and M.J. Stephens. "A combined corner and edge detector", 
% Proceedings Fourth Alvey Vision Conference, Manchester.
% pp 147-151, 1988.
%
% Author: 
% Peter Kovesi   
% Department of Computer Science & Software Engineering
% The University of Western Australia
% pk@cs.uwa.edu.au  www.cs.uwa.edu.au/~pk
%
% March 2002

function [cim, r, c] = harris(im, sigma, thresh, radius, disp)

error(nargchk(2,5,nargin));

dx = [-1 0 1; -1 0 1; -1 0 1]; % Derivative masks
dy = dx'; %'

Ix = conv2(im, dx, 'same');    % Image derivatives
Iy = conv2(im, dy, 'same');    

% Generate Gaussian filter of size 6*sigma (+/- 3sigma) and of
% minimum size 1x1.
g = fspecial('gaussian',max(1,fix(6*sigma)), sigma);

Ix2 = conv2(Ix.^2, g, 'same'); % Smoothed squared image derivatives
Iy2 = conv2(Iy.^2, g, 'same');
Ixy = conv2(Ix.*Iy, g, 'same');

cim = (Ix2.*Iy2 - Ixy.^2)./(Ix2 + Iy2 + eps); % Harris corner measure

% Alternate Harris corner measure used by some.  Suggested that
% k=0.04 - I find this a bit arbitrary and unsatisfactory.
%   cim = (Ix2.*Iy2 - Ixy.^2) - k*(Ix2 + Iy2).^2; 

if nargin > 2   % We should perform nonmaximal suppression and threshold

% Extract local maxima by performing a grey scale morphological
% dilation and then finding points in the corner strength image that
% match the dilated image and are also greater than the threshold.
sze = 2*radius+1;                   % Size of mask.
mx = ordfilt2(cim,sze^2,ones(sze)); % Grey-scale dilate.
cim = (cim==mx)&(cim>thresh);       % Find maxima.

[r,c] = find(cim);                  % Find row,col coords.

if nargin==5 & disp      % overlay corners on original image
    figure, imagesc(im), axis image, colormap(gray), hold on
    plot(c,r,'ys'), title('corners detected');
end

else  % leave cim as a corner strength image and make r and c empty.
r = []; c = [];
end

cim是为图像中的每个像素位置M(x,y)计算的相关矩阵，或(x,y)。我可以看到你的混乱来源。在此代码中，计算M(x,y)的窗口假定为1 x 1.在您引用我的链接中，对于您在代码中查看的每个点，窗口实际上是5 x 5。如果你想扩展它以使相关矩阵包含5 x 5像素，我想到这样的事情：

%//.........

%// From before - Need to modify to accommodate for window size
% Generate Gaussian filter of size 5 x 5 with sigma value
g = fspecial('gaussian', 5, sigma);

Ix2 = conv2(Ix.^2, g, 'same'); % Smoothed squared image derivatives
Iy2 = conv2(Iy.^2, g, 'same');
Ixy = conv2(Ix.*Iy, g, 'same');

%// New - add this before the computation of cim
kernel = ones(5,5); 
Ix2 = conv2(Ix2, kernel, 'same'); % To incorporate 5 x 5 patches
Iy2 = conv2(Iy2, kernel, 'same');
Ixy = conv2(Ixy, kernel, 'same');

%// Continue with original code....
cim = (Ix2.*Iy2 - Ixy.^2)./(Ix2 + Iy2 + eps); % Harris corner measure

%//.....

conv2在输入和kernel之间执行卷积，Ix2是本地补丁和内核的加权和。在这种情况下，我们需要对Iy2，Ixy和M中的每一个进行求和，以尊重cim中的符号。如果我们在5 x 5窗口中将内核指定为全1，则实际上这是将所有值一起添加并为图像中的每个位置输出此总和。现在，在链接中它表示内核是高斯。文档说你可以用高斯预过滤你的图像，然后只是累积窗口，而代码当前正在这样做。但是，您需要确保Gaussian的窗口大小与文档所说的相同，因此我们也将其更改为5 x 5。

您现在可以正常计算M(x,y)或相关矩阵Ix2，现在应该合并Iy2，Ixy和Ix2的5 x 5窗口的像素总和Iy2仅使用按元素操作。一旦我们更改代码，Ixy，cim和M(x,y)的每个元素都会计算5 x 5窗口内的导数值的总和，其中每个变量中的每个像素都标记该位置所服务的总和作为中心。在此之后，一旦您计算im，这将为sze = 2*radius+1; % Size of mask. mx = ordfilt2(cim,sze^2,ones(sze)); % Grey-scale dilate. cim = (cim==mx)&(cim>thresh); % Find maxima.中的每个像素提供sze^2。

现在，其余代码执行所谓的非最大抑制。这可确保您删除可能存在误报的角点。这意味着您要查看图像补丁并确定此补丁中的最大值。如果此修补程序中的此最大值等于此修补程序的中心和，如果此最大值超过阈值，则保留此点。这正是代码的这一部分所做的：

sze x sze = ones(sze)

ordfilt2是一个订单统计过滤器，其中第一个输入是您想要的图像，第二个输入是您要查找的 order-statistic ，第三个输入是邻域您要处理的像素数。这告诉我们您需要最大订单统计或[r,c] = find(cim); % Find row,col coords. if nargin==5 & disp % overlay corners on original image figure, imagesc(im), axis image, colormap(gray), hold on plot(c,r,'ys'), title('corners detected'); end，这与startwork邻域中包含的最大值相对应。< / p>

代码的下一部分：

WorkStartup()

...找到通过非最大抑制的那些点的确切行和列坐标，并在需要时在图像上显示这些点。

简而言之，这就解释了Harris Corner Detection ......希望有所帮助！

试图找到/理解Harris Corners的正确实现

1 个答案: