基于Python手动实现Harris角点检测

article/2025/10/8 2:00:15

最近在上数字图像处理课程，需要使用Python手动编写Harris角点检测算法，但是网上几乎没有找到手动编写的，只能手敲。

同时作为自己的第一篇博客，在这里记录一下。

一、Harris角点检测

原理（略）

可以参考博主拾牙慧者的博客

角点检测（Harris角点检测法）_拾牙慧者的博客-CSDN博客_harris角点检测

二、Python中的Harris角点检测函数

Opencv库自带函数：cornerHarris()函数

void cornerHarris( InputArray src, OutputArray dst, int block Size,  int ksize, double k, int borderType = BORDER_DEFAULT)

参数如下

1.InputArray类型的src，输入图像，即原图像，填Mat类型即可，且需要为单通道8位或者浮点型图像；
2.OutputArray类型的dst，函数调用后的运算结果存在这里，即这个参数用于存放Harris角点检测的输出结果，和原图片有一样的尺寸和类型；
3.int类型的blockSize，表示邻域的大小，更多详细信息在cornerEigenValsAndVecs()中讲到；
4.int类型的ksize，表示Sobel()算子的孔径的大小；
5.double类型的k，Harris参数；
6.int类型的borderType，图像像素的边界模式。注意它有默认值BORDER_DEFAULT；

使用方法

import cv2
import numpy as npimg = cv2.imread('exp3/NEU_library.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
gray = gray.astype(np.float32)
dst = cv2.cornerHarris(gray,5,3,0.04)
img[dst>0.01*dst.max()] = [0,0,255]
cv2.imshow('',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下（东北大学宁恩承图书馆）

三、手动写Python代码实现Harris焦点检测算法

import cv2 
import numpy as npdef My_corner_Harris(image, blockSize, ksize, k):#将图片转化为灰度图像，并转化类型为float32gray_img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)src = gray_img.astype(np.float32)#获取图像长和高SrcHeight = src.shape[0]SrcWidth = src.shape[1]#利用Sobel函数计算图像梯度#src为原图像，-1表示输出图像大小与原图像相同#ksize为sobel算子，定义为角点检测敏感度，必须为3-31之间的奇数#(1,0)表示对x求偏导，(0,1)表示对y求偏导Ix=cv2.Sobel(src,-1,1,0,ksize)Iy=cv2.Sobel(src,-1,0,1,ksize)#计算Ix2, Ixy, Iy2Ix2=np.multiply(Ix,Ix)Ixy=np.multiply(Ix,Iy)Iy2=np.multiply(Iy,Iy)#使用高斯平滑滤波进行加权计算Ix2=cv2.GaussianBlur(Ix2,(blockSize,blockSize),1.3)Ixy=cv2.GaussianBlur(Ixy,(blockSize,blockSize),1.3)Iy2=cv2.GaussianBlur(Iy2,(blockSize,blockSize),1.3)#计算最后的R值R=np.zeros((SrcHeight,SrcWidth))#定义空的R矩阵for i in range(SrcHeight):for j in range(SrcWidth):M=np.array([[Ix2[i,j],Ixy[i,j]],[Ixy[i,j],Iy2[i,j]]])R[i,j]= np.linalg.det(M) - k * ((M.trace())**2)return R# detector parameters
block_size = 5
sobel_size = 3
k = 0.04image = cv2.imread('exp3/NEU_library.jpg')
R  = My_corner_Harris(image, block_size, sobel_size, k)
image[R>0.01*R.max()] = [0,0,255]cv2.imshow('detection result', image)cv2.waitKey(0)
cv2.destroyAllWindows()

测试一下结果