MATLAB harris响应函数代码

MATLAB中实现Harris响应函数的代码如下：

function corners = harrisCornerDetection(image, threshold)

% 计算图像的梯度
[Ix, Iy] = gradient(double(image));

% 计算H矩阵的三个分量
Ix2 = Ix .* Ix;
Iy2 = Iy .* Iy;
Ixy = Ix .* Iy;

% 对H矩阵进行高斯模糊
sigma = 2;
g = fspecial('gaussian',3 * sigma, sigma);
Ix2_smoothed = imfilter(Ix2, g, 'replicate');
Iy2_smoothed = imfilter(Iy2, g, 'replicate');
Ixy_smoothed = imfilter(Ixy, g, 'replicate');

% 计算H矩阵的每个像素的响应函数值
k = 0.04;
R = (Ix2_smoothed .* Iy2_smoothed - Ixy_smoothed.^2) - k * (Ix2_smoothed + Iy2_smoothed).^2;

% 使用阈值筛选出角点
corners = R > threshold;

end

相关问题

使用matlab设计一个harris函数的代码

好的，以下是一个简单的Harris角点检测函数的 MATLAB 实现：

function [corner_image] = harris_corner_detector(image, block_size, ksize, k, threshold)
% 计算图像的灰度值
gray = rgb2gray(image);
% 计算图像的梯度
dx = double(edge(gray, 'Sobel', [], 'horizontal'));
dy = double(edge(gray, 'Sobel', [], 'vertical'));
% 计算Harris矩阵中的三个元素
A = conv2(dx .^ 2, ones(block_size), 'same');
B = conv2(dy .^ 2, ones(block_size), 'same');
C = conv2(dx .* dy, ones(block_size), 'same');
% 计算Harris响应函数
det = A .* B - C .^ 2;
trace = A + B;
response = det - k * trace .^ 2;
% 标记Harris角点
corner_image = image;
corner_image(response > threshold * max(response(:))) = 255;
end

函数通过计算图像的梯度和Harris矩阵中的三个元素来计算Harris响应函数，然后标记Harris角点并返回标记后的图像。其中，block_size参数表示窗口大小，ksize参数表示Sobel算子的大小，k参数表示Harris响应函数中的常数，threshold参数表示响应函数的阈值。

分析这段代码的错误% 读取图像 img = imread('right01.jpg'); % 将图像转换为灰度图像 if size(img,3) == 3 img_gray = rgb2gray(img); else img_gray = img; end % 计算Harris响应函数 sigma = 2; % 高斯滤波的标准差 k = 0.04; % Harris响应函数的参数 window_size = 3; % 窗口大小 dx = [-1 0 1; -1 0 1; -1 0 1]; % 求导模板 dy = dx'; Ix = conv2(double(img_gray), dx, 'same'); Iy = conv2(double(img_gray), dy, 'same'); % 计算矩阵M的三个分量 Ix2 = Ix.^2; Iy2 = Iy.^2; Ixy = Ix.*Iy; % 对M的三个分量进行高斯滤波 g = fspecial('gaussian', window_size, sigma); Ix2 = conv2(Ix2, g, 'same'); Iy2 = conv2(Iy2, g, 'same'); Ixy = conv2(Ixy, g, 'same'); % 计算Harris响应函数R R = (Ix2.Iy2 - Ixy.^2) - k(Ix2 + Iy2).^2; % 选择阈值并进行非极大值抑制 threshold = 0.01; % 阈值 R_max = imregionalmax(R); % 找到局部最大值 R_max(R < threshold*max(R_max(:))) = 0; % 去除低于阈值的响应 % 绘制角点 [y,x] = find(R_max); figure(1), imshow(img), hold on plot(x,y,'r+'); % 绘制白色角点 img_corners = uint8(zeros(size(img_gray))); for i = 1:length(x) img_corners(y(i), x(i)) = 255; end figure(2), imshow(img_corners);

这段代码存在以下错误：

1. 在计算Harris响应函数时，乘号应该用.*而不是.。

2. 在计算Harris响应函数时，k(Ix2 + Iy2).^2应该改为k*(Ix2 + Iy2).^2。

3. 在选择阈值并进行非极大值抑制时，应该先对R进行归一化处理，而不是使用max(R_max(:))。

下面是修改后的代码：

% 读取图像
img = imread('right01.jpg');

% 将图像转换为灰度图像
if size(img,3) == 3
    img_gray = rgb2gray(img);
else
    img_gray = img;
end

% 计算Harris响应函数
sigma = 2; % 高斯滤波的标准差
k = 0.04; % Harris响应函数的参数
window_size = 3; % 窗口大小
dx = [-1 0 1; -1 0 1; -1 0 1]; % 求导模板
dy = dx';
Ix = conv2(double(img_gray), dx, 'same');
Iy = conv2(double(img_gray), dy, 'same');

% 计算矩阵M的三个分量
Ix2 = Ix.^2;
Iy2 = Iy.^2;
Ixy = Ix.*Iy;

% 对M的三个分量进行高斯滤波
g = fspecial('gaussian', window_size, sigma);
Ix2 = conv2(Ix2, g, 'same');
Iy2 = conv2(Iy2, g, 'same');
Ixy = conv2(Ixy, g, 'same');

% 计算Harris响应函数R
R = (Ix2.*Iy2 - Ixy.^2) - k*(Ix2 + Iy2).^2;

% 归一化处理并选择阈值进行非极大值抑制
R_max = imregionalmax(R);
R_norm = (R - min(R(:))) ./ (max(R(:)) - min(R(:)));
threshold = 0.01;
R_max(R_norm < threshold) = 0;

% 绘制角点
[y,x] = find(R_max);
figure(1), imshow(img), hold on
plot(x,y,'r+');

% 绘制白色角点
img_corners = uint8(zeros(size(img_gray)));
for i = 1:length(x)
    img_corners(y(i), x(i)) = 255;
end
figure(2), imshow(img_corners);