matlab学习

matlab 角点检测2

2019-06-21  本文已影响0人  Kerwin_H

%%%Prewitt Operator Corner Detection.m

%%%时间优化--相邻像素用取差的方法

%%

clear;

Image = imread('1.jpg');                % 读取图像

Image = im2uint8(rgb2gray(Image)); 

dx = [-1 0 1;-1 0 1;-1 0 1];  %dx:横向Prewitt差分模版

Ix2 = filter2(dx,Image).^2; 

Iy2 = filter2(dx',Image).^2;                                       

Ixy = filter2(dx,Image).*filter2(dx',Image);

%生成 9*9高斯窗口。窗口越大,探测到的角点越少。

h= fspecial('gaussian',9,2);   

A = filter2(h,Ix2);      % 用高斯窗口差分Ix2得到A

B = filter2(h,Iy2);                               

C = filter2(h,Ixy);                                 

nrow = size(Image,1);                           

ncol = size(Image,2);                           

Corner = zeros(nrow,ncol); %矩阵Corner用来保存候选角点位置,初值全零,值为1的点是角点

                            %真正的角点在137和138行由(row_ave,column_ave)得到

%参数t:点(i,j)八邻域的“相似度”参数,只有中心点与邻域其他八个点的像素值之差在

%(-t,+t)之间,才确认它们为相似点,相似点不在候选角点之列

t=20;

%我并没有全部检测图像每个点,而是除去了边界上boundary个像素,

%因为我们感兴趣的角点并不出现在边界上

boundary=8;

for i=boundary:nrow-boundary+1

    for j=boundary:ncol-boundary+1

        nlike=0; %相似点个数

        if Image(i-1,j-1)>Image(i,j)-t && Image(i-1,j-1)<Image(i,j)+t

            nlike=nlike+1;

        end

        if Image(i-1,j)>Image(i,j)-t && Image(i-1,j)<Image(i,j)+t 

            nlike=nlike+1;

        end

        if Image(i-1,j+1)>Image(i,j)-t && Image(i-1,j+1)<Image(i,j)+t 

            nlike=nlike+1;

        end 

        if Image(i,j-1)>Image(i,j)-t && Image(i,j-1)<Image(i,j)+t 

            nlike=nlike+1;

        end

        if Image(i,j+1)>Image(i,j)-t && Image(i,j+1)<Image(i,j)+t 

            nlike=nlike+1;

        end

        if Image(i+1,j-1)>Image(i,j)-t && Image(i+1,j-1)<Image(i,j)+t 

            nlike=nlike+1;

        end

        if Image(i+1,j)>Image(i,j)-t && Image(i+1,j)<Image(i,j)+t 

            nlike=nlike+1;

        end

        if Image(i+1,j+1)>Image(i,j)-t && Image(i+1,j+1)<Image(i,j)+t 

            nlike=nlike+1;

        end

        if nlike>=2 && nlike<=6

            Corner(i,j)=1;%如果周围有0,1,7,8个相似与中心的(i,j)

                          %那(i,j)就不是角点,所以,直接忽略

        end

    end

end

CRF = zeros(nrow,ncol);    % CRF用来保存角点响应函数值,初值全零

CRFmax = 0;                % 图像中角点响应函数的最大值,作阈值之用

t=0.05; 

% 计算CRF

%工程上常用CRF(i,j) =det(M)/trace(M)计算CRF,那么此时应该将下面第105行的

%比例系数t设置大一些,t=0.1对采集的这几幅图像来说是一个比较合理的经验值

for i = boundary:nrow-boundary+1

for j = boundary:ncol-boundary+1

    if Corner(i,j)==1  %只关注候选点

        M = [A(i,j) C(i,j);

              C(i,j) B(i,j)];     

        CRF(i,j) = det(M)-t*(trace(M))^2;

        if CRF(i,j) > CRFmax

            CRFmax = CRF(i,j);   

        end           

    end

end           

end 

%CRFmax

count = 0;      % 用来记录角点的个数

t=0.01;       

% 下面通过一个3*3的窗口来判断当前位置是否为角点

for i = boundary:nrow-boundary+1

for j = boundary:ncol-boundary+1

        if Corner(i,j)==1  %只关注候选点的八邻域

            if CRF(i,j) > t*CRFmax && CRF(i,j) >CRF(i-1,j-1) ......

                && CRF(i,j) > CRF(i-1,j) && CRF(i,j) > CRF(i-1,j+1) ......

                && CRF(i,j) > CRF(i,j-1) && CRF(i,j) > CRF(i,j+1) ......

                && CRF(i,j) > CRF(i+1,j-1) && CRF(i,j) > CRF(i+1,j)......

                && CRF(i,j) > CRF(i+1,j+1)

            count=count+1;%这个是角点,count加1

            else % 如果当前位置(i,j)不是角点,则在Corner(i,j)中删除对该候选角点的记录

                Corner(i,j) = 0;   

            end

        end

end

end

% disp('角点个数');

% disp(count)

figure,imshow(Image);      % display Intensity Image

hold on;

% toc(t1)

for i=boundary:nrow-boundary+1

for j=boundary:ncol-boundary+1

        column_ave=0;

        row_ave=0;

        k=0;

        if Corner(i,j)==1

            for x=i-3:i+3  %7*7邻域

                for y=j-3:j+3

                    if Corner(x,y)==1

% 用算数平均数作为角点坐标,如果改用几何平均数求点的平均坐标,对角点的提取意义不大

                        row_ave=row_ave+x;

                        column_ave=column_ave+y;

                        k=k+1;

                    end

                end

            end

        end

        if k>0 %周围不止一个角点         

            plot( column_ave/k,row_ave/k ,'b*');

        end

end

end

%end

上一篇下一篇

猜你喜欢

热点阅读