Implementazione di un rilevatore d'angolo Harris

Question

Sto implementando un rilevatore d'angolo Harris per scopi didattici, ma sono bloccato nella parte della risposta Harris.Fondamentalmente, quello che sto facendo è:

1. Calcola i gradienti di intensità dell'immagine nelle direzioni x e y
2. Uscita sfocata di (1)
3. Calcola la risposta di Harris sull'output di (2)
4. Sopprimi i non massimi nell'output di (3) in un vicinato 3x3 e nell'output di soglia

1 e 2 sembrano funzionare bene;tuttavia, ottengo valori molto piccoli come risposta Harris e nessun punto raggiunge la soglia.L'input è una fotografia all'aperto standard.

[...]
[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

Per l'immagine di esempio, il massimo risulta essere 6.4163e-018 che sembra decisamente troppo basso.

Answer 1

Un angolo nel rilevamento degli angoli Harris è definito come "il pixel di valore più alto in una regione" (di solito 3X3 O 5x5) quindi il tuo commento sul fatto che non si raggiunge alcuna "soglia" mi sembra strano.Raccogli semplicemente tutti i pixel che hanno un valore più alto di tutti gli altri pixel nel file 5x5 quartiere intorno a loro.

A parte quello:Non ne sono sicuro al 100%, ma penso che dovresti avere:

K(j,i) = det(H) - lambda*(trace(H)^2)Dove lambda è una costante positiva che funziona nel tuo caso (e il valore suggerito da Harris è 0,04).

In generale l'unico momento sensato per filtrare il tuo input è prima di questo punto:

[Ix, Iy] = intensityGradients(img);

Filtraggio Ix2, Iy2 E Ixy non ha molto senso per me.

Inoltre, penso che il tuo codice di esempio sia sbagliato qui (funziona harrisResponse hanno due o tre variabili di input?):

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

function K = harrisResponse(Ix, Iy)

Answer 2

La soluzione che ho implementato con Python, per me funziona, spero che troverai quello che stai cercando

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

L’implementazione proposta è terribilmente inefficiente.Iniziamo dopo aver calcolato i gradienti (che possono essere anche ottimizzati):

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(:))

Non sono richiesti cicli, perché Matlab odia i cicli.

Answer 4

Fondamentalmente, il rilevamento degli angoli Harris avrà 5 passaggi:

1. Calcolo del gradiente
2. Levigatura gaussiana
3. Calcolo delle misure di Harris
4. Soppressione non massima
5. Soglia

Se stai implementando in MATLAB, sarà facile comprendere l'algoritmo e ottenere i risultati.

Il seguente codice di MATLAB può aiutarti a risolvere i tuoi dubbi:

% 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

Esiste una funzione per questo nella casella degli strumenti del sistema di visione artificiale chiamata detectHarrisFeatures.