harris.compute_harris_response

`harris.compute_harris_response` 是一个函数，用于计算Harris角点响应函数。Harris角点检测是一种经典的计算机视觉算法，用于检测图像中的角点，这些角点通常表示图像中的重要信息，例如图像的边缘和角落等。这个函数计算了每个像素的Harris响应函数，这个函数可以用来判断每个像素是否为角点。该函数通常用于角点检测和图像特征提取等任务。

相关问题

harris.compute_harris_response 参数 以及输出

`harris.compute_harris_response()`是一个计算Harris角点检测响应函数的函数，它的输入参数是一个灰度图像。具体来说，它的参数如下：

- `im`：输入的灰度图像，类型为numpy数组。

该函数的输出是一个与输入图像大小相同的numpy数组，其中每个元素都是对应像素的Harris角点响应值。

Harris角点检测python代码

Harris角点检测是一种计算机视觉算法，用于检测图像中的角点。以下是Harris角点检测的Python代码：

1. 首先需要导入必要的库：

from PIL import Image
from numpy import *
from pylab import *

2. 定义计算Harris响应函数的函数：

def compute_harris_response(im, sigma=3):
    """ 在一幅灰度图像中，对每个像素计算Harris角点检测器响应函数 """
    # 计算导数
    imx = zeros(im.shape)
    filters.gaussian_filter(im, (sigma,sigma), (0,1), imx)
    imy = zeros(im.shape)
    filters.gaussian_filter(im, (sigma,sigma), (1,0), imy)
    # 计算Harris矩阵的分量
    Wxx = filters.gaussian_filter(imx*imx, sigma)
    Wxy = filters.gaussian_filter(imx*imy, sigma)
    Wyy = filters.gaussian_filter(imy*imy, sigma)
    # 计算特征值和迹
    Wdet = Wxx*Wyy - Wxy**2
    Wtr = Wxx + Wyy
    return Wdet / Wtr

3. 定义获取Harris角点的函数：

def get_harris_points(harrisim, min_distance=10, threshold=0.1):
    """ 从一幅Harris响应图像中返回角点。min_distance为分割角点和图像边界的最小像素数目 """
    # 寻找高于阈值的候选角点
    corner_threshold = harrisim.max() * threshold
    harrisim_t = (harrisim > corner_threshold) * 1
    # 得到候选点的坐标
    coords = array(harrisim_t.nonzero()).T
    # 以及它们的Harris响应值
    candidate_values = [harrisim[c[0],c[1]] for c in coords]
    # 对候选点按照Harris响应值进行排序
    index = argsort(candidate_values)
    # 将可行点的位置保存到数组中
    allowed_locations = zeros(harrisim.shape)
    allowed_locations[min_distance:-min_distance,min_distance:-min_distance] = 1
    # 按照最小距离原则，选择最佳Harris点
    filtered_coords = []
    for i in index:
        if allowed_locations[coords[i,0],coords[i,1]] == 1:
            filtered_coords.append(coords[i])
            allowed_locations[(coords[i,0]-min_distance):(coords[i,0]+min_distance),
                              (coords[i,1]-min_distance):(coords[i,1]+min_distance)] = 0
    return filtered_coords

4. 定义绘制Harris角点的函数：

def plot_harris_points(image, filtered_coords):
    """ 绘制图像中检测到的角点 """
    figure()
    gray()
    imshow(image)
    plot([p[1] for p in filtered_coords], [p[0] for p in filtered_coords], '*', color='r')
    axis('off')
    show()

5. 最后，可以使用以下代码来运行Harris角点检测：

# 读入图像
im = array(Image.open(r"C:\Users\13121\Desktop\test.jpg").convert('L'))
# 计算Harris响应函数
harrisim = compute_harris_response(im)
# 获取Harris角点
filtered_coords = get_harris_points(harrisim, 6, 0.01)
# 绘制Harris角点
plot_harris_points(im, filtered_coords)