使用nodeitk进行角点检測

前言

东莞，晴，33至27度。今天天气真好，学生陆续离开学校。忙完学生答辩事情，最终能够更新一下nodeitk。本文继续介绍node的特征识别相关内容，你会看到，採用nodeitk实现角点检測是一件十分简单的事情。

本文你将学到使用nodeitk进行角点检測：

1. 特征包括有哪些？为什么它们这么重要

2. 使用函数cornerHarris，利用Harris-Stephens方法检測角点

理论

什么是特征？

1. 在机器视觉中，通常我们在一个环境下的不同帧查找匹配点。为什么？这是由于假设我们知道两张图之间的相关性，我们就能够从两张图中提取它们包括的信息

2. 当我们说匹配点时，一般意义是指我们能够非常easy在场景中识别的特征。

3. 那么什么是特征呢？

a) 它必须是独有的能够识别的特性。

图像特征的类型

大概有：

1. 边缘

2. 角点（也称为感兴趣点）

3. 斑点（Blobs，也称为感兴趣区域）

在本文，我们将专门谈谈角点特征

为什么角点那么特别？

由于，它是两相交边的位置，代表两条边方向改变的位置。因此，角点往往是图像梯度（两个方向）急剧变化的位置。

算法描写叙述

当我们寻找角点，由于角点表示图像在梯度的变化，因此我们能够等价于寻找这“变化”

如果是一个灰度图像I。我们使用一个窗体做卷积（u为x方向位移，v为右方向位移）：

$E(u,v)= sum_{x,y} w(x,y)[I(x+u,y+v)-I(x,y)]^2$

当中

1. 是在位置的窗体

2. 是在位置的灰度

3. 是移动窗体处的灰度

由于我们希望找到灰度在窗体处存在较大的差异，以此找到角点的窗体位置。因此，我们最大化上述等式，令项：

使泰勒展式：

$E(u,v) approx sum_{x,y} [I(x,y)+uI_x+vI_y-I(x,y)]^2$

展开等式并化简：

$E(u,v) approx sum_{x,y} u^2I_x^2+2uvI_xI_y+v^2I_y^2$

使用矩阵形式表示：

$E(u,v) approx [u,v](sum_{x,y} w(x,y) egin{bmatrix}I_x^2& I_xI_y \I_xI_y & I_y^2 end{bmatrix} )egin{bmatrix} u \ vend{bmatrix}$

令

$M = sum_{x,y} w(x,y) egin{bmatrix}I_x^2 & I_xI_y \I_xI_y & I_y^2end{bmatrix}$

那么等式能够表示为：

$E(u,v) approx [u,v]Megin{bmatrix} u \ v end{bmatrix}$

对于每一个窗体，採用以下评价函数以确定窗体是否包括角点

$R=det(M)-k(trace(M))^2$

这里

1. $det(M)= \lambda _1 \lambda _2$

2. $trace(M)= \lambda _1 + \lambda _2$

当一个窗体的R值大于阈值时，被觉得是角点

源码：

var node_itk = require('./node-itk');
var thresh = 200;
var max_thresh = 255;
var source_window = "Source image";
var corners_window = "Corners detected";
var src = node_itk.cv.imread( "./images/lena.jpg", 1 );
var src_gray = node_itk.cv.CvtColor(src, node_itk.cv.CV_BGR2GRAY);
node_itk.cv.NamedWindow( source_window, node_itk.cv.CV_WINDOW_AUTOSIZE );
node_itk.cv.NamedWindow( corners_window, node_itk.cv.CV_WINDOW_AUTOSIZE );
node_itk.cv.imshow( source_window, src );
var dst , dst_norm;
node_itk.cv.CreateTrackbar( "Threshold: ", source_window, thresh, max_thresh,
function (thresh){
              dst = node_itk.cv.NodeOpenCVMat.Zeros(src.Size(), node_itk.cv.CV_32FC1)
              dst_norm = dst.Clone();
              blockSize = 2;
              apertureSize = 3;
              k = 0.04;
              node_itk.cv.CornerHarris( src_gray, dst, blockSize, apertureSize, k );
              node_itk.cv.Normalize(dst,dst_norm, 0, 255,node_itk.cv.NORM_MINMAX,node_itk.cv.CV_32FC1)
              dst_norm_scaled = node_itk.cv.ConvertScaleAbs(dst_norm);
 
              for (var j = 0; j<dst_norm.Rows(); j++) {
                     for (var i = 0; i <dst_norm.Cols(); i++) {
                            if (dst_norm.At([j,i])>thresh)
                            {
                                   node_itk.cv.Circle(dst_norm_scaled,
                                          new node_itk.cv.NodeOpenCVPoint("Point", [i,j]),
                                          5,
                                          new node_itk.cv.NodeOpenCVScalar("Scalar", 0),
                                          2,
                                          8,
                                          0);
                            }
                     };
              };
              node_itk.cv.NamedWindow(corners_window,node_itk.cv.CV_WINDOW_AUTOSIZE );
              node_itk.cv.imshow( corners_window,dst_norm_scaled );
       }
);
node_itk.cv.WaitKey ( 0 );

执行结果

小结

nodeitk实现角点检測是一件十分easy的事情，在后面我们将深入介绍相关特征识别的内容，当前特征识别模块已经开发完成。待续。