执行哈里斯角探测器

Question

我实施哈里斯角检测器，用于教育目的，但我被困在harris响应的一部分。基本上，我在做什么,是：

1. 计算的图像强度梯度在x和y的方向
2. 模糊输出(1)
3. 计算Harris响应的输出(2)
4. 抑制非maximas在输出(3)在一个3x3-邻里和阈输出

1和2的工作似乎罚款；然而，我得到非常小的数值作为哈里斯的响应，并没有一点没有达到门槛。输入标准外摄影。

[...]
[Ix, Iy] = intensityGradients(img);
g = fspecial('gaussian');
Ix = imfilter(Ix, g);
Iy = imfilter(Iy, g);
H = harrisResponse(Ix, Iy);
[...]

function K = harrisResponse(Ix, Iy)
    max = 0;
    [sy, sx] = size(Ix);
    K = zeros(sy, sx);
    for i = 1:sx,
        for j = 1:sy,
            H = [Ix(j,i) * Ix(j,i), Ix(j,i) * Iy(j,i)
                Ix(j,i) * Iy(j,i), Iy(j,i) * Iy(j,i)];
            K(j,i) = det(H) / trace(H);
            if K(j,i) > max,
                max = K(j,i);
            end
        end
    end
    max
end

对于该样品照片，马克斯结束正6.4163e-018这似乎太低。

Answer 1

一个角落，在哈里斯角检测的定义是"最高价值素在一个地区"(通常 3X3 或 5x5)使你的评论没有一点达成一个"门槛"似乎很奇怪我。只是收集所有像素具有更高的价值比其他所有像素 5x5 街区周围他们。

除了：我不是100%肯定但是我觉得你应该有：

K(j,i) = det(H) - lambda*(trace(H)^2) 在lambda是一个正常运作在你的情况(与哈里斯的建议值0.04).

在一般的唯一明智的一刻来过滤你输入之前，这一点：

[Ix, Iy] = intensityGradients(img);

过滤的 Ix2, Iy2 和 Ixy 并没有多大感觉到我。

另外，我觉得你的样的代码是错误的在这里(不功能 harrisResponse 有两个或三个输入变量？):

H = harrisResponse(Ix2, Ixy, Iy2);
[...]

function K = harrisResponse(Ix, Iy)

Answer 2

该解决方案，我实现与蟒蛇，它为我工作我希望你找到你正在寻找什么

import numpy as np
import matplotlib.pyplot as plt
from PIL.Image import *
from scipy import ndimage

def imap1(im):
    print('testing the picture . . .')
    a = Image.getpixel(im, (0, 0))
    if type(a) == int:
        return im
    else:
        c, l = im.size
        imarr = np.asarray(im)
        neim = np.zeros((l, c))
        for i in range(l):
            for j in range(c):
                t = imarr[i, j]
                ts = sum(t)/len(t)
                neim[i, j] = ts
        return neim

def Harris(im):
    neim = imap1(im)
    imarr = np.asarray(neim, dtype=np.float64)
    ix = ndimage.sobel(imarr, 0)
    iy = ndimage.sobel(imarr, 1)
    ix2 = ix * ix
    iy2 = iy * iy
    ixy = ix * iy
    ix2 = ndimage.gaussian_filter(ix2, sigma=2)
    iy2 = ndimage.gaussian_filter(iy2, sigma=2)
    ixy = ndimage.gaussian_filter(ixy, sigma=2)
    c, l = imarr.shape
    result = np.zeros((c, l))
    r = np.zeros((c, l))
    rmax = 0
    for i in range(c):
        print('loking for corner . . .')
        for j in range(l):
            print('test ',j)
            m = np.array([[ix2[i, j], ixy[i, j]], [ixy[i, j], iy2[i, j]]], dtype=np.float64)
            r[i, j] = np.linalg.det(m) - 0.04 * (np.power(np.trace(m), 2))
            if r[i, j] > rmax:
                rmax = r[i, j]
    for i in range(c - 1):
        print(". .")
        for j in range(l - 1):
            print('loking')
            if r[i, j] > 0.01 * rmax and r[i, j] > r[i-1, j-1] and r[i, j] > r[i-1, j+1]\
                                     and r[i, j] > r[i+1, j-1] and r[i, j] > r[i+1, j+1]:
                result[i, j] = 1

    pc, pr = np.where(result == 1)
    plt.plot(pr, pc, 'r+')
    plt.savefig('harris_test.png')
    plt.imshow(im, 'gray')
    plt.show()
    # plt.imsave('harris_test.png', im, 'gray')

im = open('chess.png')
Harris(im)

Answer 3

拟议的执行情况是可怕的效率低下。让我们开始之后计算的梯度(可以是优化过):

A = Ix.^2;
B = Iy.^2;
C = (Ix.*Iy).^4;
lambda = 0.04;

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

% if you really need max:
max(H(:))

没有循环所需要的，因为Matlab恨的循环。

Answer 4

基本上，哈里斯角检测将有5个步骤：

1. 梯度计算
2. 高斯平滑
3. 哈里斯衡量的计算
4. 非最大的抑制
5. 阈值

如果你正在实施MATLAB，它将以易于理解的算法和得到的结果。

以下代码MATLAB可以帮你解决你的疑问：

% Step 1: Compute derivatives of image
Ix = conv2(im, dx, 'same');
Iy = conv2(im, dy, 'same');

% Step 2: Smooth space image derivatives (gaussian filtering)
Ix2 = conv2(Ix .^ 2, g, 'same');
Iy2 = conv2(Iy .^ 2, g, 'same');
Ixy = conv2(Ix .* Iy, g, 'same');

% Step 3: Harris corner measure
harris = (Ix2 .* Iy2 - Ixy .^ 2) ./ (Ix2 + Iy2);

% Step 4: Find local maxima (non maximum suppression)
mx = ordfilt2(harris, size .^ 2, ones(size));

% Step 5: Thresholding
harris = (harris == mx) & (harris > threshold);

Answer 5

有一个功能，在过计算机视系统称为"工具箱" detectHarrisFeatures.