在cornerHarris中ksize和k是什么意思？

Question

我在OpenCV中使用cornerHarris函数。我无法理解ksize和k在函数中的含义。文档中提到ksize是Aperture parameter of Sobel derivative used，而k是Harris detector free parameter in the equation，但是我不确定这到底是什么意思？

有人可以帮助我理解吗？

我试图检测立方体中的角，结果是：

使用我在文档中使用的简单代码：

    import cv2
    import numpy as np

    filename = "cube.jpg"

    img = cv2.imread("./images/{}".format(filename))

    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

    gray = np.float32(gray)
    dst = cv2.cornerHarris(gray,12,3,0.04)

    dst = cv2.dilate(dst,None)

    # Threshold for an optimal value, it may vary depending on the image.
    img[dst>0.01*dst.max()]=[0,0,255]

    cv2.imshow('dst',img)
    if cv2.waitKey(0) & 0xff == 27:
        cv2.destroyAllWindows()

我尝试调整K，但不了解它的作用，尽管我意识到将其增加到超出限制会导致检测到零角。

Answer 1

Harris转角检测器用于从灰度图像中提取转角。 哈里斯探测器的工作原理是首先计算图像梯度，然后计算梯度的协方差，该协方差是局部Hessian的近似值。

它有4个主要步骤：

1. 边缘检测（空间导数计算）-第一步是将灰度图像转换为边缘图像。有很多技术可以做到这一点，但是cv2使用了一个称为Sobel内核的过滤器，该过滤器与原始图像互相关。 ksize 参数确定Sobel内核的大小（3x3、5x5等）。随着大小的增加，每个卷积过程将包含更多像素，并且边缘将变得更加模糊。

2. 结构张量设置-基本上，我们构造一个矩阵M，该矩阵M表示图像每个点上的梯度（边缘）的方向。然后可以使用此矩阵确定哪些边缘像素是角：

1. 哈里斯响应计算-在此步骤中，我们计算每个边缘像素的“角分数”R。想法是，仅当像素在2个垂直方向上具有较大的梯度时，才将其定义为角点，这意味着M矩阵具有2个大特征值（1个大特征值将只是一个边缘）。 在这里，我们可以看到哈里斯探测器的自由参数-k 。它是根据经验确定的常量，范围为[0.04,0.06]：

k参数可让您在此步骤中发挥影响，并权衡精度和召回率。因此，当 k较大时，您将获得较少的虚假拐角，但也会错过更多的真实拐角（高精度），而当 k较小时，您将获得更多的拐角 ，因此您不会错过真正的弯角，但会遇到很多错误的弯角（高召回率）。

1. 非最大抑制-找到每个局部区域中的角点像素最大值，其余部分被抑制。