使用 harris 角点检测器的输出来检测角点（出现新问题）

Question

我正在使用来自here 的 Harris 角点检测器代码。但是，最终输出“H”具有非常大的负值，最大值为 0。我最初将图像与两个 3x3 Sobel 掩码进行卷积以提取 Ix 和 Iy 矩阵。然后 Harris 角点检测器函数使用 Ix 和 Iy 矩阵计算 Harris

这是我的代码：

IxMask = [-1, 0, 1; -2, 0, 2; -1, 0, 1];
IyMask = [1, 2, 1; 0, 0, 0; -1, -2, -1];
Ix = conv2(double(imread('imageName.jpg')), IxMask);
Iy = conv2(double(imread('imageName.jpg')), IyMask);
A = Ix.^2;
B = Iy.^2;
C = (Ix.*Iy).^2;
lambda = 0.04;

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

H 矩阵的所有值都是负数，其中一些是极大的负数。有什么问题吗？如果是这样，我无法弄清楚我的代码有什么问题。你能帮我解决这个问题吗？

这是原图：

这是我的函数的输出，未在具有负值的 Ix 和 Iy 矩阵上应用任何高斯核：

这是函数在Ix 和Iy 矩阵上应用Sigma 1-3 的高斯核 后的输出。应用高斯核后，R 矩阵的最小值将为 0！！ 然而，R 矩阵的值为负数，最大值为 0！

我完全不知道如何检测角落。我可能会注意到我没有 MATLAB 的计算机视觉工具箱。

Answer 1

C 的等式似乎是错误的。试试：

C = (Ix.*Iy).^2;  % was .^4

此外，您通常使用高斯平滑 Ix 和 Iy。 MATLAB 过滤器 A、B 和 C，使用 2D 内核 k = w(:)*w(:)' 其中w=fspecial('gaussian',[1 5],1.5);。

您可能想使用conv2(...,'same')，或者类似地使用filter2。

然后，如果您有图像处理工具箱，则可以使用BW = imregionalmax(cornerness,8); 获取最大值（角）的 2D 蒙版。如果您没有工具箱，请关注this answer for finding local maxima in a 2D matrix。

Answer 2

发现这篇文章，因为我遇到了同样的问题。我能够解决问题并认为值得在此处发布我的解决方案。

在您计算角点响应时 H = (A.B - C) - λ(A+B).^2;

(A.*B - C) 是行列式 (A + B) 是迹线 这是不正确的，因为您没有获取 M 矩阵的行列式和迹线。相反，您只是获取了每个像素位置的行列式和迹线。执行此操作时，我们应该预期角响应会出现许多强负值，因为 行列式将为零并且生成的响应函数变为 H = -lambda(trace(M)^2)。 p>

证明：(Ix^2 .* Iy^2) - (Ix .* Iy).^2 = (Ix^2 .* Iy^2) - (Ix^2 .* Iy^2) = 0。

正确的解决方案是首先生成 M 矩阵的元素：

1. 在每个像素位置，在该像素周围的某个窗口上对 Ix^2、Iy^2、Ix*Iy 求和以生成 M 矩阵
2. 计算步骤 (1) 中计算的 M 矩阵的行列式和迹
3. 使用 M 矩阵的元素计算 Harris 响应

示例代码：

IxMask = [-1, 0, 1; -2, 0, 2; -1, 0, 1];
IyMask = [1, 2, 1; 0, 0, 0; -1, -2, -1];
wMask = [1, 1, 1; 1, 1, 1; 1, 1, 1]; 

Ix = conv2(double(imread('imageName.jpg')), IxMask);
Iy = conv2(double(imread('imageName.jpg')), IyMask);

Ix2 = Ix.^2;
Iy2 = Iy.^2;
Ixy = (Ix.*Iy);

M_11 = conv2(Ix2, wMask);
M_12 = conv2(Ixy, wMask);
M_22 = conv2(Iy2, wMask);

det_M = (M_11.*M_22 - M_12.*M_12);
trace_M = (M_11 + M_22);
H = det_M - lambda.*(trace_M.^2);

请注意，我使用了统一的权重函数。实际上，我们会使用高斯。

Answer 3

在计算机视觉系统工具箱中有一个函数叫做detectHarrisFeatures。