引言

在計算機視覺和圖像處理中，特征點檢測（Feature Detection）是一個關鍵任務，用于識別圖像中的顯著區域（如角點、邊緣等）。Harris角點檢測（Harris Corner Detection）是一種經典的特征點檢測算法，由Chris Harris和Mike Stephens在1988年提出。它廣泛應用于圖像匹配、目標跟蹤、三維重建等領域。

---

1. Harris角點檢測原理

1.1 什么是角點？

角點（Corner）是圖像中兩個邊緣的交點，具有以下特點：

• 在多個方向上灰度變化明顯（與平坦區域和邊緣不同）。
• 對旋轉、光照變化具有一定魯棒性。

1.2 Harris算法的核心思想

Harris角點檢測基于局部窗口的灰度變化來判斷是否為角點。具體步驟：

1. 計算圖像梯度（使用Sobel算子求 I_x和 I_y。

2. 構建結構張量（Structure Tensor）：
   

3. 計算角點響應函數（Harris Response）：
   

   其中：

   • det(M) = θ₁ θ₂（特征值的乘積）
   • trace(M) = θ₁+θ₂（特征值的和）
   • K 是經驗常數（通常取0.04~0.06）

4. 篩選角點：設定閾值，保留 (R) 較大的點。

1.3 角點、邊緣和平坦區域的區分

• 角點：(R) 值大，θ₁和θ₂都較大。
• 邊緣：(R) 值小，θ₁ >> θ₂或反之。
• 平坦區域：(R) 值接近0，θ₁ 和 θ₂ 都小。

---

2. OpenCV實現Harris角點檢測

OpenCV提供了 cv2.cornerHarris() 函數，可以直接使用：

import cv2img = cv2.imread('huanghelou.png')gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst = cv2.cornerHarris(gray,blockSize=2, ksize=3, k=0.04)
# 標記檢測到的角點
img[dst > 0.01 * dst.max()] = [0,255,0]
# 這里通過對角點響應進行閾值處理，標記出檢測到的角點
# 0.05 * dst.max() 是一個閾值，大于這個值的像素點會被標記為紅色
cv2.imshow('img',img)
cv2.waitKey(0)

參數說明：

• blockSize：計算局部窗口大小（通常取2~5）。
• ksize：Sobel算子的孔徑（通常取3）。
• k：Harris響應函數中的經驗常數（0.04~0.06）。

---

3. 總結

• Harris角點檢測 是一種經典的特征點檢測方法，適用于角點明顯的場景。
• OpenCV實現簡單，但需調整參數（blockSize、k等）以獲得最佳效果。
• 改進方法：亞像素優化、Shi-Tomasi算法可提高精度。
• 應用廣泛：相機標定、SLAM、圖像匹配等。

---

希望這篇博客對你有所幫助！如果有問題，歡迎留言討論。 🚀