Harris Corner Detector jest operatorem wykrywania narożników, który jest powszechnie stosowany w algorytmach wizyjnych do wyodrębniania narożników i wnioskowania cech obrazu.
narożnik to punkt, którego okolica stoi w dwóch dominujących i odmiennych kierunkach. Innymi słowy, narożnik może być interpretowany jako skrzyżowanie dwóch krawędzi,gdzie krawędź to nagła zmiana jasności obrazu. Narożniki są ważnymi cechami obrazu i są ogólnie określane jako punkty zainteresowania, które są niezmienne w stosunku do tłumaczenia, obrotu i oświetlenia.
Krok 1. Określa, które okna (małe łaty obrazu) wytwarzają bardzo duże zmiany intensywności, gdy są przesuwane w kierunku X i Y (tj. gradienty).
Krok 3. Po zastosowaniu progu do tego wyniku, ważne rogi są zaznaczane i zaznaczane.
weź skalę szarości oryginalnego obrazu. Zastosuj filtr Gaussa, aby wygładzić każdy szum. Zastosuj Operator Sobel, aby znaleźć wartości gradientu x i y dla każdego piksela w obrazie w skali szarości. Dla każdego piksela p na obrazie w skali szarości rozważ okno M * m i Oblicz funkcję siły narożników. Nazwij to wartością Harrisa. Znajdź wszystkie piksele, które przekraczają określony próg i są lokalnymi maksymami w określonym oknie (aby zapobiec zbędnym duplikatom funkcji). Oblicz deskryptor funkcji wszystkich takich punktów.
aby uzyskać więcej informacji, Wszystkie użyte algorytmy odnoszą się do pliku raportu
aby uzyskać więcej informacji, patrz: https://iitmcvg.github.io/summer_school/Session3/