Harris角点检测的思想是通过图像的局部的小窗口观察图像，角点的特征是窗口沿任意方向移动都会导致图像灰度的明显变化，如下图所示：
OpenCV Harris角点检测_角点检测

.判断角点，如下图所示：OpenCV Harris角点检测_角点检测_02

  • 当R为大数值的正数时是角点
  • 当R为大数值的负数时是边界
  • 当R为小数是认为是平坦区域
dst=cv.cornerHarris(src, blockSize, ksize, k)
  • img：数据类型为 float32 的输入图像。
  • blockSize：角点检测中要考虑的邻域大小。
  • ksize：sobel求导使用的核大小
  • k ：角点检测方程中的自由参数，取值参数为 [0.04，0.06].
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

# 1 读取图像，并转换成灰度图像
img = cv.imread('./1.jpg')
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

# 2 角点检测
# 2.1 输入图像必须是 float32
gray = np.float32(gray)

# 2.2 最后一个参数在 0.04 到 0.05 之间
dst = cv.cornerHarris(gray, 2, 3, 0.04)

# 3 设置阈值，将角点绘制出来，阈值根据图像进行选择
img[dst > 0.001 * dst.max()] = [0, 0, 255]

# 4 图像显示
plt.figure(figsize=(10, 8), dpi=100)
plt.imshow(img[:, :, ::-1]),
plt.title('Harris角点检测')
plt.xticks([]),
plt.yticks([])
plt.show()

原图：
OpenCV Harris角点检测_角点检测_03

OpenCV Harris角点检测_角点检测_04
Harris角点检测的优缺点：

优点：

  • 旋转不变性，椭圆转过一定角度但是其形状保持不变（特征值保持不变）
  • 对于图像灰度的仿射变化具有部分的不变性，由于仅仅使用了图像的一介导数，对于图像灰度平移变化不变；对于图像灰度尺度变化不变

缺点：

  • 对尺度很敏感，不具备几何尺度不变性。
  • 提取的角点是像素级的