opencv-自定义harris角点检测

关于harris角点检测的原理以及matlab版本，请移步https://www.cnblogs.com/klitech/p/5779600.html

小白初学，这里采用opencv实现之，把自己遇到的疑问一一表述出来，以备后用。

疑问1. CV_32FC1,CV_32FC(6)是什么意思？

 　 CV_<bit_depth>(S|U|F)C<number_of_channels>

• • bit_depth,可取的值为8,16,32,64.它表示一个像素所占用的bite数
  • S|U|F， S--- signed int,  U--- unsigned int,  F---float
  • C<number_of_channels> 通道数，灰度图像取值1，rgb图像取值3

疑问2. Mat::zeros的两种初始化

• Mat::zeros(int rows, int cols, int type)
• Mat::zeros(Size size,int type)

第一种形式，返回特定尺寸与类型的零矩阵，比如  Mat A = Mat::zeros(3,3,CV_32FC1);

第二种形式，程序中采用的方式，Mat::zeros(src.size(), CV_32FC(6))；

我的理解是这两种形式实质一样

疑问3. cornerEigenValsAndVecs()使用方法

 　 函数原型， cornerEigenValsAndVecs( InputArray src, OutputArray dst,

int blockSize, int ksize,

int borderType = BORDER_DEFAULT );

• src 图像类型应该为单通道，或者float
• dst 图像类型应该为CV_32FC(6)，包含2个特征值，以及对应的2个2维向量，总计6个结果。
• blocksize 邻域大小
• ksize 函数采用sobel算子
• borderType 取默认BORDER_DEFAULT

函数调用参看后面的程序。

1 1 #include <opencv2/opencv.hpp>
2 2 #include <iostream>
3 3 #include <math.h>
4 4 using namespace cv;
5 5 using namespace std;
6 6 Mat src, gray_src;
7 7 Mat harris_dst, harrisRspImg;
8 8 double harris_min_rsp;
9 9 double harris_max_rsp;
1010 int qualityLevel = 30;
1111 const char* harris_win = "Custom Harris Corners Dector";
1212 int max_count = 100;
1313 void CustomHarris_Demo(int, void *);
1414 
1515 int main()
1616 {
1717 
1818     src = imread("D:/1.png");
1919     if (src.empty())
2020     {
2121         cout << "could not load image..." << endl;
2222         return -1;
2323     }
2424     namedWindow("input_image", CV_WINDOW_AUTOSIZE);
2525     imshow("input_image", src);
2626     cvtColor(src, gray_src, COLOR_BGR2GRAY);
2727     // 计算特征值
2828     int blockSize = 3;
2929     int ksize = 3;
3030     double k = 0.04;
3131 
3232     harris_dst = Mat::zeros(src.size(), CV_32FC(6)); //6通道
3333     harrisRspImg = Mat::zeros(src.size(), CV_32FC1);
3434     cornerEigenValsAndVecs(gray_src, harris_dst, blockSize, ksize, 4);
3535     //计算响应
3636     for (int row = 0; row < harris_dst.rows; row++)
3737     {
3838         for (int col = 0; col < harris_dst.cols; col++)
3939         {
4040             double lambda1 = harris_dst.at<Vec6f>(row, col)[0];
4141             double lambda2 = harris_dst.at<Vec6f>(row, col)[1];
4242             harrisRspImg.at<float>(row, col) = lambda1 * lambda2 - k*pow((lambda1 + lambda2), 2);
4343         }
4444     }
4545     minMaxLoc(harrisRspImg, &harris_min_rsp, &harris_max_rsp, 0, 0, Mat());//求最大最小响应
4646     namedWindow(harris_win, CV_WINDOW_AUTOSIZE);
4747     createTrackbar("Quality Value", harris_win, &qualityLevel, max_count, CustomHarris_Demo);
4848     CustomHarris_Demo(0, 0);
4949     waitKey(0);
5050     return 0;
5151 }
5252 void CustomHarris_Demo(int, void*) {
5353     if (qualityLevel < 10) {
5454         qualityLevel = 10;
5555     }
5656     Mat resultImg = src.clone();
5757     float t = harris_min_rsp + (((double)qualityLevel) / max_count)*(harris_max_rsp - harris_min_rsp);
5858     for (int row = 0; row < src.rows; row++) {
5959         for (int col = 0; col < src.cols; col++) {
6060             float v = harrisRspImg.at<float>(row, col);
6161             if (v > t) {
6262                 circle(resultImg, Point(col, row), 2, Scalar(0, 0, 255), 2, 8, 0);
6363             }
6464         }
6565     }
6666 
6767     imshow(harris_win, resultImg);
6868 }