OPENCV(python)--初学之路（十四）哈里斯角检测

一前言

今天起得太晚，下午又是满课，所以今天的内容会少一点，但是我觉得挺有意思的，也有用处。

二主要内容--特征检测哈里斯角

解释说明

我们大多数人都玩过拼图游戏。我们获得由大量图片碎片，并且需要将他们组合起来形成一张完整的图片。问题来了，我们如何实现呢？我们如何将相同的理论投射到计算机程序中，以便计算机可以玩拼图游戏？如果计算机可以玩拼图游戏了，为什么我们不能给计算机提供很多真实的自然风景图像，并告诉它将所有这些图像拼接成一个大的单一图像？如果计算机可以将多个自然图像拼接成一个，那么如何提供大量建筑物或任何结构的图片并告诉计算机从中创建 3D 模型呢？

那么，问题和想象力还在继续。但这一切都取决于最基本的问题：你如何玩拼图游戏？你如何将大量的混乱图像片段排列成一个大的单个图像？如何将大量自然图像拼接到单个图像中？

答案是，我们正在寻找独特的特定模式或特定特征，可以轻松跟踪和比较。如果我们找到这样一个特征的定义，我们可能会发现很难用文字表达，但我们知道它们是什么。如果有人要求您指出可以在多个图像之间进行比较的一个好的功能，您可以指出一个。这就是为什么即使是小孩子也可以简单地玩这些游戏。我们在图像中搜索这些特征，找到它们，在其他图像中查找相同的特征并对齐它们。而已。（在拼图游戏中，我们更多地关注不同图像的连续性）。所有这些能力都存在于我们身上。

因此，我们的一个基本问题扩展到更多，但变得更具体。这些功能是什么？

我们回答了我们的问题，"这些特征是什么？"。但接下来的问题出现了。我们如何找到它们？或者我们如何找到角落？我们以直观的方式回答了这一点，即在图像中寻找在其周围的所有区域中移动（少量）时具有最大变化的区域。在接下来的章节中，这将被投射到计算机语言中。因此，查找这些图像特征称为特征检测。

获得这些功能及其描述后，您可以在所有图像中找到相同的功能并对齐它们，将它们拼接在一起或做任何您想做的事情。

OpenCV 中的 Harris 角点检测器

OpenCV 中的 cv.cornerHarris() 函数用来实现 Harris 角点检测。

dst = cv.cornerHarris(src, blockSize, ksize, k[, dst[, borderType]])

参数说明

参数	说明
`src`	输入图像，必须是单通道8位或浮点型图像
`blockSize`	邻域大小（用于计算协方差矩阵的窗口大小）
`ksize`	Sobel算子的孔径大小（必须为奇数，如 3, 5, 7）
`k`	Harris检测器的自由参数（经验值 0.04~0.06）
`dst`	输出图像，存储Harris响应值（大小与src相同）
`borderType`	像素外推方法（默认 cv.BORDER_DEFAULT）

基本原理

Harris角点检测基于以下观察：

平坦区域：所有方向移动，图像强度变化小
边缘区域：沿边缘方向移动变化小，垂直方向变化大
角点区域：所有方向移动，图像强度变化都大

优势应用场景：

纹理丰富的图像（棋盘、建筑、织物）
刚性物体（机器零件、建筑物）
光照变化不大的环境
需要精确位置定位的任务

局限性场景：

纹理单一的区域（天空、纯色墙壁）
非刚性物体（水、云、火焰）
严重模糊或低分辨率图像
快速运动导致的运动模糊

Harris角点检测作为计算机视觉的基础算法，虽然原理简单，但因其计算效率高 、实现简单 、对旋转不变等特点，仍然是许多实际应用中的首选方法或预处理步骤。

python 复制代码

import numpy as np
import cv2 as cv

# 读取图像文件
filename = 'D:\python_code\pic\sumoiao.webp'
img = cv.imread(filename)

# 转换为灰度图像并转换为浮点型
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
gray = np.float32(gray)

# 使用Harris角点检测算法
dst = cv.cornerHarris(gray, 2, 3, 0.04)

# 膨胀结果以便更好地标记角点
dst = cv.dilate(dst, None)

# 设置阈值并标记检测到的角点
img[dst > 0.01 * dst.max()] = [0, 0, 255]

# 显示结果图像
cv.imshow('Harris Corner Detection', img)

# 等待按键或ESC退出
if cv.waitKey(0) & 0xff == 27:
    cv.destroyAllWindows()

效果如下

这是一个标准的棋盘，可以看到检测的效果很好，那我们换一个试一下

这是一张素描图像，很明显效果并不好，这也是哈里斯算法的局限

所以我将介绍一个更好的算法

具有亚像素级精度的角点

有时，您可能需要以最高精度找到角点。OpenCV 带有一个函数 cv.cornerSubPix() ，它进一步细化了角点检测，以达到亚像素级精度。

什么是亚像素级角点检测？

标准角点检测：返回整数像素坐标（如(100, 50)）
亚像素级检测：返回浮点数坐标（如(100.325, 50.781)）
精度提升：可达0.1像素甚至更高精度

为什么需要亚像素精度？

整数像素坐标存在量化误差
许多应用需要毫米级甚至微米级精度
提高后续计算的准确性（如3D重建、测量）

代码如下

python 复制代码

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

# 参数配置
IMAGE_PATH = 'D:/python_code/pic/qipan.jpg'  # 使用正斜杠避免转义问题
HARRIS_BLOCK_SIZE = 2
HARRIS_KSIZE = 3
HARRIS_K = 0.04
THRESHOLD_RATIO = 0.01
SUBPIX_WIN_SIZE = (5, 5)

# 图像读取与校验
input_img = cv.imread(IMAGE_PATH)
if input_img is None:
    raise FileNotFoundError(f"图像文件读取失败: {IMAGE_PATH}")

# 灰度转换
gray_img = cv.cvtColor(input_img, cv.COLOR_BGR2GRAY)

# Harris角点检测
gray_float = np.float32(gray_img)
harris_response = cv.cornerHarris(gray_float, HARRIS_BLOCK_SIZE, HARRIS_KSIZE, HARRIS_K)
harris_response = cv.dilate(harris_response, None)

# 阈值处理与连通区域分析
_, thresholded = cv.threshold(harris_response, THRESHOLD_RATIO * harris_response.max(), 255, 0)
thresholded = np.uint8(thresholded)
_, _, stats, centroids = cv.connectedComponentsWithStats(thresholded)

# 角点处理
if len(centroids) > 1:
    raw_corners = centroids[1:]  # 排除背景点
    print(f"检测到 {len(raw_corners)} 个初始角点")
    
    # 角点精化
    criteria = (cv.TERM_CRITERIA_EPS + cv.TERM_CRITERIA_MAX_ITER, 100, 0.001)
    refined_corners = cv.cornerSubPix(gray_float, np.float32(raw_corners), SUBPIX_WIN_SIZE, (-1,-1), criteria)
else:
    print("未检测到有效角点")
    raw_corners = refined_corners = np.array([])

# 可视化处理
def draw_corners(img, corners, color, radius):
    for pt in corners:
        x, y = map(int, pt)
        if 0 <= x < img.shape[1] and 0 <= y < img.shape[0]:
            cv.circle(img, (x, y), radius, color, -1)

result_img = input_img.copy()
draw_corners(result_img, raw_corners, (0, 0, 255), 5)    # 红色原始角点
draw_corners(result_img, refined_corners, (0, 255, 0), 3) # 绿色精化角点

# 结果展示
plt.figure(figsize=(12, 6))
plt.subplot(121), plt.imshow(cv.cvtColor(input_img, cv.COLOR_BGR2RGB))
plt.title('原始图像'), plt.axis('off')
plt.subplot(122), plt.imshow(cv.cvtColor(result_img, cv.COLOR_BGR2RGB))
plt.title(f'角点检测结果\n共检测到 {len(raw_corners)} 个角点'), plt.axis('off')
plt.tight_layout()
plt.savefig('corner_detection_result.png', dpi=300, bbox_inches='tight')
plt.show()

其实源代码没有这么麻烦，但是涉及显示问题，即使我下了QT库也无法正常显示所以只能用matplotlib代替。

效果如下

这样的效果就好一点了，而且运行的时候还会显示角点数

三最后一语

今天就先学这么多吧，新的一周开始了希望大家新的一周又更多收获。

"唯独在这些孤独和沉思默想的时刻。我才是我，和天性相符的我，我才既无忧烦又无羁束。"

------卢梭《一个孤独的散步者的遐想》

感谢观看，共勉！！