Harris角点检测代码复现python

Harris角点检测是一种用于图像特征检测的经典技术，它基于局部图像的灰度梯度信息来寻找兴趣点。在Python中，你可以使用开源库如OpenCV来实现Harris角点检测算法。以下是一个简单的步骤：

1. **导入必要的库**：

import cv2
import numpy as np

2. **读取图像**：

image = cv2.imread('your_image.jpg', cv2.IMREAD_GRAYSCALE)

3. **计算图像梯度**：

gx = cv2.Sobel(image, cv2.CV_64F, 1, 0, ksize=3)  # Sobel x
gy = cv2.Sobel(image, cv2.CV_64F, 0, 1, ksize=3)  # Sobel y

4. **计算Harris响应矩阵**：

def harris_response(Ix, Iy):
    # 计算Ix*Ix 和 Iy*Iy 的局部平均值
    Rxx = cv2.boxFilter(Ix * Ix, -1, (3, 3))
    Ryy = cv2.boxFilter(Iy * Iy, -1, (3, 3))
    # 计算Ix*Iy的局部平均值
    Rxy = cv2.boxFilter(Ix * Iy, -1, (3, 3))

    # Harris算子
    A = Rxx + Ryy - k * (Rxy**2)
    D = Rxx * Ryy - (Rxy**2)

    return A, D

k = 0.04  # Harris算子常数，通常设置为0.04~0.08
A, D = harris_response(gx, gy)

5. **非极大值抑制和阈值处理**：

# 检测角点并应用非极大值抑制
corners = cv2.cornerHarris(A, 2, 3, k)
# 将响应转换为原图尺寸，然后设置阈值并找出角点位置
_, corners = cv2.threshold(corners, 0.01 * corners.max(), 255, 0)

6. **标记角点到原图上**：

corners = np.uint8(corners)
top_left = tuple(np.argwhere(corners == 255).flatten())
bottom_right = tuple(np.flipud(np.argwhere(corners == 255)).flatten())

for pt in zip(top_left, bottom_right):
    cv2.circle(image, pt, 2, (0, 0, 255), thickness=2)

7. **显示结果**：

cv2.imshow("Original Image", image)
cv2.waitKey(0)
cv2.destroyAllWindows()