检测角点

计算角度量矩阵，找到图像中的角

全部展开页面

库:
计算机视觉工具箱/分析和增强

描述

的检测角点块通过Harris角点检测(Harris and Stephens)、最小特征值(Shi and Tomasi)或局部强度比较(基于加速分段测试(FAST)方法由Rosten和Drummond)方法。该块根据具有最大角度量值的像素查找图像中的角。

港口

输入

全部展开

`我`——输入图像
强度值矩阵

输入图像，指定为强度值矩阵。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64|不动点

输出

全部展开

`疯狂的`——角落位置
米2矩阵

转角位置，返回为an米- × 2矩阵[xy)坐标。米表示角的数量，且小于或等于最大角数参数。

依赖关系

要启用该端口，请设置输出参数为其中之一:

角落里的位置
角点位置和度量矩阵

数据类型:uint32

`数`-检测到的角的数量
标量

作为标量返回的检测角的数量。

依赖关系

要启用该端口，请设置以下参数:

输出：角落里的位置|角点位置和度量矩阵
输出可变尺寸信号：从

数据类型:uint32

`度规`-角的度量值
矩阵

角的度量值，返回为强度值的矩阵。返回的矩阵与输入图像的大小相同。

依赖关系

要启用该端口，请设置输出参数为其中之一:

角点位置和度量矩阵
度量矩阵

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64|不动点

参数

全部展开

主要选项卡

`方法`-角点检测方法
`哈里斯角检测(Harris & Stephens)`(默认)|`最小特征值(Shi & Tomasi)`|`局部强度比较(Rosten & Drummond)`

指定角点检测方法为哈里斯角检测(Harris & Stephens)，最小特征值(Shi & Tomasi),或局部强度比较(Rosten & Drummond)．

为了得到最准确的结果，使用最小特征值(Shi & Tomasi)．要获得最快的计算速度，请使用局部强度比较(Rosten & Drummond)．为了在精度和计算速度之间取得平衡，请使用哈里斯角检测(Harris & Stephens)．有关每个方法的更多信息，请参见算法部分。

`灵敏度因子(0 < k < 0.25)`——敏感性因素
0.04(默认)|标量

指定灵敏度因子，k．作为k减小时，算法检测到尖锐角的可能性增大。

可调:是的

依赖关系

要启用该参数，请设置方法参数哈里斯角检测(Harris & Stephens)．

`可分离平滑滤波器的系数`——滤波器系数
Fspecial('高斯'，[1 5]，1.5)(默认)|向量

指定平滑滤波器的滤波器系数向量。

依赖关系

要启用该参数，请设置方法参数为其中之一:

哈里斯角检测(Harris & Stephens)
最小特征值(Shi & Tomasi)

`强度比较阈值`- - - - - -强度阈值
0.1(默认)|标量

指定用于查找周围有效像素的强度阈值。

可调:是的

依赖关系

要启用该参数，请设置方法参数局部强度比较(Rosten & Drummond)．

`被认为是角的最大角度(以度数表示)`-最大转角
157.5(默认)|标量

指定最大的角。

可调:是的

依赖关系

要启用该参数，请设置方法参数局部强度比较(Rosten & Drummond)．
此参数仅在模拟时可调。

`输出`——块输出
`角落里的位置`(默认)|`角点位置和度量矩阵`|`度量矩阵`

指定块输出为角落里的位置，角点位置和度量矩阵,度量矩阵．

将该参数设置为角落里的位置或角点位置和度量矩阵公开最大角数，表示角的最小公制值,邻域大小(检测角周围的抑制区域)参数。

`最大角数`-最大角数
200(默认)|整数

指定您希望块找到的最大角数。

依赖关系

要启用该参数，请设置输出参数为其中之一:

角落里的位置
角点位置和度量矩阵

`表示角的最小公制值`-最小角度
0.0005(默认)|标量

指定最小转角度量值。

可调:是的

依赖关系

要启用该参数，请设置输出参数为其中之一:

角落里的位置
角点位置和度量矩阵

`邻域大小`——社区大小
[11 11](默认)| 2元向量

指定邻域大小为正奇数的二元向量，[行，列］.块使用此参数抑制有效角点周围的区域，该区域具有最大的角度量值。

依赖关系

要启用该参数，请设置输出参数为其中之一:

角落里的位置
角点位置和度量矩阵

`输出可变尺寸信号`-可变大小信号
`在`(默认)|`从`

选择此参数输出可变大小的信号。

依赖关系

要启用该参数，请设置输出参数为其中之一:

角落里的位置
角点位置和度量矩阵

数据类型选项卡

具体的定点块参数请参见为块指定定点属性．

模型的例子

检测图像中的角

使用角检测块检测图像中的角。

块特征

数据类型	`布尔^［一个］`\|`双`\|`不动点`\|`整数`\|`单`
多维信号	`没有`
适应信号	`是的`
^［一个］本地强度比较方法不支持此数据类型。金宝app

算法

全部展开

确定最终角值

为了确定最终的角值，块遵循以下过程:

找出角落度量值最大的像素。
属性的度量值是否大于或等于指定的值表示角的最小公制值参数。
控件中定义的大小抑制角值周围的区域邻域大小(检测角周围的抑制区域)参数。

块重复这个过程，直到找到图像中所有的角，或者找到您在最大角数参数。

角的度量值由最小特征值和当地的强度比较方法总是非负的。角的度量值由Harris角点检测方法可以是负的。

最小特征值法

该方法直接计算差分矩阵平方和的特征值，比Harris角点检测算法的计算成本更高。米．

差分矩阵的平方和，米，定义如下:

$米＝［ \begin{matrix} 一个 & C \\ C & B \end{matrix} ］$

上式基于以下值:

$\begin{matrix} 一个＝ {（我_{x} ）}^{2} \otimes w \\ B ＝ {（我_{y} ）}^{2} \otimes w \\ C ＝ {（我_{x} 我_{y} ）}^{2} \otimes w \end{matrix}$

在哪里 $我_{x}$ 和 $我_{y}$ 是输入图像的梯度，我,在x和y方向。的 $\otimes$ 符号表示一个卷积运算。

使用可分离平滑滤波器的系数参数定义滤波器系数向量。这个块将这个系数向量乘以它的转置得到一个滤波器系数矩阵，w．

块计算平方差分矩阵和的较小特征值。这个最小特征值对应于角度量矩阵。

哈里斯角落方法

Harris角点检测方法通过求解角点度量矩阵，避免了对差分平方和矩阵特征值的显式计算，R：

$R ＝一个 B - C^{2} - k {（一个 + B ）}^{2}$

的定义见最小特征值法部分一个，B,C．

的变量k对应于灵敏度因子。属性指定它的值灵敏度因子(0 < k < 0.25)参数。作为k减小时，算法检测到尖锐角的可能性增大。

使用可分离平滑滤波器的系数参数定义滤波器系数向量。这个块将这个系数向量乘以它的转置得到一个滤波器系数矩阵，w．

局部强度的方法

该方法确定一个像素是一个可能的角，如果它有，N连续有效的明亮周围像素，或N连续的黑暗包围像素。

假设p是否考虑像素和j其中一个像素是周围的吗p．周围其他像素的位置用下图阴影区域表示。图中阴影区域表示周围其他像素的位置。

$我_{p}$ 和 $我_{j}$ 像素的强度是多少p和j,分别。像素j是否有效的明亮周围像素如果 $我_{j} - 我_{p} \geq T$ ．同样的,像素j是否有效的暗像素周围如果 $我_{p} - 我_{j} \geq T$ ．在这些方程,T的值是否为强度比较阈值参数。

块重复这个过程以确定块是否已经N连续有效的周围像素。的价值N与您为被认为是角的最大角度(以度数表示)参数，如下表所示。

有效周围像素的数量和角度

有效的周围像素数	角(度)
15	22．5
14	45
13	67．5
12	90
11	112.5
10	135
9	157.5

当块确定一个像素是一个可能的角点后，它使用以下公式计算它的角点度量:

$R ＝马克斯（ \sum_{j ：我_{j} \geq 我_{p} + T} | 我_{p} - 我_{j} | - T ， \sum_{j ：我_{j} \leq 我_{p} - T} | 我_{p} - 我_{j} | - T ）$

参考文献

哈里斯，C.和M .斯蒂芬斯。“一个综合的角和边缘检测器。”第四届Alvey Vision会议论文集, 147 - 151。1988年8月。

史，J.和C. Tomasi。“需要跟踪的好功能。”计算机视觉与模式识别会议论文集, 593 - 600。1994年6月。

Rosten, E.和T. Drummond。“融合点和线实现高性能跟踪。”IEEE计算机视觉国际会议论文集第2卷, 1508 - 1511。2005年10月。

扩展功能

C / c++代码生成
使用Simulink®Coder™生成C和c++代码。金宝app

定点转换
使用fixed-point Designer™设计和模拟定点系统。

这些图显示了用于定点信号的角检测块中的数据类型。这些图只适用于哈里斯角检测和最小特征值方法。

下表总结了前面图表中使用的变量。

变量名	定义
IN_DT	输入数据类型
MEM_DT	内存数据类型
OUT_DT	公制输出数据类型
COEF_DT	系数数据类型

另请参阅

块

找到当地的最大值|估计几何变换|经

功能

matchFeatures|extractFeatures|detectSURFFeatures|detectHarrisFeatures|detectFASTFeatures|detectORBFeatures|estimateGeometricTransform2D

介绍了R2007b

检测角点

描述

港口

输入

我——输入图像强度值矩阵

输出

疯狂的——角落位置米2矩阵

依赖关系

数-检测到的角的数量标量

依赖关系

度规-角的度量值矩阵

依赖关系

参数

方法-角点检测方法哈里斯角检测(Harris & Stephens)(默认)|最小特征值(Shi & Tomasi)|局部强度比较(Rosten & Drummond)

灵敏度因子(0 < k < 0.25)——敏感性因素0.04(默认)|标量

依赖关系

可分离平滑滤波器的系数——滤波器系数Fspecial('高斯'，[1 5]，1.5)(默认)|向量

依赖关系

强度比较阈值- - - - - -强度阈值0.1(默认)|标量

依赖关系

被认为是角的最大角度(以度数表示)-最大转角157.5(默认)|标量

依赖关系

输出——块输出角落里的位置(默认)|角点位置和度量矩阵|度量矩阵

最大角数-最大角数200(默认)|整数

依赖关系

表示角的最小公制值-最小角度0.0005(默认)|标量

依赖关系

邻域大小——社区大小[11 11](默认)| 2元向量

依赖关系

输出可变尺寸信号-可变大小信号在(默认)|从

依赖关系

模型的例子

检测图像中的角

块特征

算法

确定最终角值

最小特征值法

哈里斯角落方法

局部强度的方法

参考文献

扩展功能

C / c++代码生成使用Simulink®Coder™生成C和c++代码。金宝app

定点转换使用fixed-point Designer™设计和模拟定点系统。

另请参阅

块

功能

计算机视觉工具箱文档

金宝app

介绍基于MATLAB的深度学习

`我`——输入图像
强度值矩阵

`疯狂的`——角落位置
米2矩阵

`数`-检测到的角的数量
标量

`度规`-角的度量值
矩阵

`方法`-角点检测方法
`哈里斯角检测(Harris & Stephens)`(默认)|`最小特征值(Shi & Tomasi)`|`局部强度比较(Rosten & Drummond)`

`灵敏度因子(0 < k < 0.25)`——敏感性因素
0.04(默认)|标量

`可分离平滑滤波器的系数`——滤波器系数
Fspecial('高斯'，[1 5]，1.5)(默认)|向量

`强度比较阈值`- - - - - -强度阈值
0.1(默认)|标量

`被认为是角的最大角度(以度数表示)`-最大转角
157.5(默认)|标量

`输出`——块输出
`角落里的位置`(默认)|`角点位置和度量矩阵`|`度量矩阵`

`最大角数`-最大角数
200(默认)|整数

`表示角的最小公制值`-最小角度
0.0005(默认)|标量

`邻域大小`——社区大小
[11 11](默认)| 2元向量

`输出可变尺寸信号`-可变大小信号
`在`(默认)|`从`

C / c++代码生成
使用Simulink®Coder™生成C和c++代码。金宝app

定点转换
使用fixed-point Designer™设计和模拟定点系统。