MatLab角点检測(harris经典程序)

http://blog.csdn.net/makenothing/article/details/12884331 

这是源博客的出处，鄙人转过来是为了更好的保存！供大家一起学习！已将原始的博客的文章的位置附在上面！

至于代码的完整性和可执行性须要大家去自己考量！

 

%MatLab角点检測程序harris。

 

ori_im2=rgb2gray(imread('2.bmp'));    
 %ori_im2=imresize(ori_im2',0.50,'bicubic');  %加上这句图就变成竖着的了  

fx = [5 0 -5;8 0 -8;5 0 -5];          % % la gaucienne，ver axe x
Ix = filter2(fx,ori_im2);              % la convolution vers axe x
fy = [5 8 5;0 0 0;-5 -8 -5];          % la gaucienne，ver axe y
Iy = filter2(fy,ori_im2);              % la convolution vers axe y
Ix2 = Ix.^2;
Iy2 = Iy.^2;
Ixy = Ix.*Iy;
clear Ix;
clear Iy;

h= fspecial('gaussian',[3 3],2);      % générer une fonction gaussienne，sigma=2

Ix2 = filter2(h,Ix2);
Iy2 = filter2(h,Iy2);
Ixy = filter2(h,Ixy);

height = size(ori_im2,1);
width = size(ori_im2,2);
result = zeros(height,width);         % enregistrer la position du coin

R = zeros(height,width);

K=0.04;
Rmax = 0;                              % chercher la valeur maximale de R
for i = 1:height
    for j = 1:width
        M = [Ix2(i,j) Ixy(i,j);Ixy(i,j) Iy2(i,j)];         
        R(i,j) = det(M)-K*(trace(M))^2;                     % % calcule R
        if R(i,j) > Rmax
           Rmax = R(i,j);
        end;
    end;
end;

cnt = 0;
for i = 2:height-1
    for j = 2:width-1
        % réduire des valuers minimales ，la taille de fenetre 3*3
        if R(i,j) > 0.01*Rmax && R(i,j) > R(i-1,j-1) && R(i,j) > R(i-1,j) && R(i,j) > R(i-1,j+1) && R(i,j) > R(i,j-1) && R(i,j) > R(i,j+1) && R(i,j) > R(i+1,j-1) && R(i,j) > R(i+1,j) && R(i,j) > R(i+1,j+1)
            result(i,j) = 1;
            cnt = cnt+1;
        end;
    end;
end;

[posr2, posc2] = find(result == 1);
cnt                                      % compter des coins
figure
imshow(ori_im2);
hold on;
plot(posc2,posr2,'w*');

harris优化的角点检測

%%%Prewitt Operator Corner Detection.m
 %%%时间优化--相邻像素用取差的方法
 %%
 clear;
 Image = imread('15.bmp');                 % 读取图像
 Image = im2uint8(rgb2gray(Image));   
  

dx = [-1 0 1;-1 0 1;-1 0 1];  %dx：横向Prewitt差分模版
 Ix2 = filter2(dx,Image).^2;   
Iy2 = filter2(dx',Image).^2;                                         
Ixy = filter2(dx,Image).*filter2(dx',Image);
 
%生成 9*9高斯窗体。窗体越大，探測到的角点越少。
 h= fspecial('gaussian',9,2);     
A = filter2(h,Ix2);       % 用高斯窗体差分Ix2得到A 
B = filter2(h,Iy2);                                 
C = filter2(h,Ixy);                                  
nrow = size(Image,1);                            
ncol = size(Image,2);                             
Corner = zeros(nrow,ncol); %矩阵Corner用来保存候选角点位置,初值全零，值为1的点是角点
                            %真正的角点在137和138行由(row_ave,column_ave)得到
 %參数t:点(i,j)八邻域的“类似度”參数，仅仅有中心点与邻域其它八个点的像素值之差在
 %（-t,+t）之间，才确认它们为类似点，类似点不在候选角点之列
 t=20;
 %我并没有所有检測图像每一个点，而是除去了边界上boundary个像素，
 %由于我们感兴趣的角点并不出如今边界上
 boundary=8;
 for i=boundary:nrow-boundary+1 
    for j=boundary:ncol-boundary+1
         nlike=0; %类似点个数
         if Image(i-1,j-1)>Image(i,j)-t && Image(i-1,j-1)<Image(i,j)+t 
            nlike=nlike+1;
         end
         if Image(i-1,j)>Image(i,j)-t && Image(i-1,j)<Image(i,j)+t  
            nlike=nlike+1;
         end
         if Image(i-1,j+1)>Image(i,j)-t && Image(i-1,j+1)<Image(i,j)+t  
            nlike=nlike+1;
         end  
        if Image(i,j-1)>Image(i,j)-t && Image(i,j-1)<Image(i,j)+t  
            nlike=nlike+1;
         end
         if Image(i,j+1)>Image(i,j)-t && Image(i,j+1)<Image(i,j)+t  
            nlike=nlike+1;
         end
         if Image(i+1,j-1)>Image(i,j)-t && Image(i+1,j-1)<Image(i,j)+t  
            nlike=nlike+1;
         end
         if Image(i+1,j)>Image(i,j)-t && Image(i+1,j)<Image(i,j)+t  
            nlike=nlike+1;
         end
         if Image(i+1,j+1)>Image(i,j)-t && Image(i+1,j+1)<Image(i,j)+t  
            nlike=nlike+1;
         end
         if nlike>=2 && nlike<=6
             Corner(i,j)=1;%假设周围有0，1，7，8个类似与中心的（i,j）
                           %那(i,j)就不是角点，所以，直接忽略
         end;
     end;
 end;
CRF = zeros(nrow,ncol);    % CRF用来保存角点响应函数值,初值全零
 CRFmax = 0;                % 图像中角点响应函数的最大值，作阈值之用 
t=0.05;   
% 计算CRF
 %project上经常使用CRF(i,j) =det(M)/trace(M)计算CRF，那么此时应该将以下第105行的
 %比例系数t设置大一些，t=0.1对採集的这几幅图像来说是一个比較合理的经验值
 for i = boundary:nrow-boundary+1 
for j = boundary:ncol-boundary+1
     if Corner(i,j)==1  %仅仅关注候选点
         M = [A(i,j) C(i,j);
              C(i,j) B(i,j)];      
         CRF(i,j) = det(M)-t*(trace(M))^2;
         if CRF(i,j) > CRFmax 
            CRFmax = CRF(i,j);    
        end;            
    end
 end;             
end;  
%CRFmax
 count = 0;       % 用来记录角点的个数
 t=0.01;         
% 以下通过一个3*3的窗体来推断当前位置是否为角点
 for i = boundary:nrow-boundary+1 
for j = boundary:ncol-boundary+1
         if Corner(i,j)==1  %仅仅关注候选点的八邻域
             if CRF(i,j) > t*CRFmax && CRF(i,j) >CRF(i-1,j-1) ......
                && CRF(i,j) > CRF(i-1,j) && CRF(i,j) > CRF(i-1,j+1) ......
                && CRF(i,j) > CRF(i,j-1) && CRF(i,j) > CRF(i,j+1) ......
                && CRF(i,j) > CRF(i+1,j-1) && CRF(i,j) > CRF(i+1,j)......
                && CRF(i,j) > CRF(i+1,j+1) 
            count=count+1;%这个是角点，count加1
             else % 假设当前位置（i,j）不是角点，则在Corner(i,j)中删除对该候选角点的记录
                 Corner(i,j) = 0;     
            end;
         end; 
end; 
end; 
% disp('角点个数');
 % disp(count)
 figure,imshow(Image);      % display Intensity Image
 hold on; 
% toc(t1)
 for i=boundary:nrow-boundary+1 
for j=boundary:ncol-boundary+1
         column_ave=0;
         row_ave=0;
         k=0;
        if Corner(i,j)==1
             for x=i-3:i+3  %7*7邻域
                 for y=j-3:j+3
                     if Corner(x,y)==1
 % 用算数平均数作为角点坐标，假设改用几何平均数求点的平均坐标，对角点的提取意义不大
                         row_ave=row_ave+x;
                         column_ave=column_ave+y;
                         k=k+1;
                     end
                 end
             end
         end
         if k>0 %周围不止一个角点           
             plot( column_ave/k,row_ave/k ,'g.');
         end
 end; 
end; 

%end