Реализация углового детектора Харриса

Угол в обнаружении углов Харриса определяется как «пиксель с наивысшим значением в области» (обычно 3X3 или 5x5), поэтому ваш комментарий о том, что точка не достигает «порога», кажется мне странным. Просто соберите все пиксели, которые имеют более высокое значение, чем все остальные пиксели в окрестности 5x5 вокруг них.

Кроме того: я не уверен на 100%, но я думаю, что вы должны иметь:

K(j,i) = det(H) - lambda*(trace(H)^2) Где лямбда - положительная константа, которая работает в вашем случае (и предлагаемое значение Харриса равно 0,04).

В общем, единственный разумный момент для фильтрации вашего ввода - до этого момента:

[Ix, Iy] = intensityGradients(img);

Фильтрация Ix2, Iy2 и Ixy не имеет для меня особого смысла.

Кроме того, я думаю, что ваш пример кода здесь неверен (есть ли у функции harrisResponse две или три входные переменные?):

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

function K = harrisResponse(Ix, Iy)

Решение, которое я реализовал с помощью python, у меня работает, надеюсь, вы найдете то, что ищете.

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)

По сути, обнаружение угла Харриса будет состоять из 5 шагов:

1. Вычисление градиента
2. Гауссово сглаживание
3. Вычисление меры Харриса
4. Немаксимальное подавление
5. Порог

Если вы реализуете в MATLAB, будет легко понять алгоритм и получить результаты.

Следующий код MATLAB может помочь вам решить ваши сомнения:

% 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);

Предлагаемая реализация ужасно неэффективна. Начнем с расчета градиентов (которые тоже можно оптимизировать):

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(:))

Никаких циклов не требуется, потому что Matlab ненавидит циклы.

Для этого в наборе инструментов системы компьютерного зрения есть функция detectHarrisFeatures.