ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΠΑΤΡΩΝ - Nemertes

Κεφάλαιο 5: Εντοπισμός γωνιών και αντιστοίχηση σημείων ενδιαφέροντος στις εικόνες
Σχηματικά η βασική ιδέα του Harris Corner Detector παρουσιάζεται στην παρακάτω εικόνα:
Σχήμα 5.2. Harris Corner Detector: Βασική ιδέα
Όμως η διαδικασία εύρεσης των γωνιών είναι χρονοβόρα και δύσκολη καθώς απαιτείται
υπολογισμός τετραγωνικής ρίζας, γι' αυτό και αντί του παραπάνω κριτηρίου, χρησιμοποιείται η
σχέση:
Δ = det C – k(tranceC) 2 ή Δ = ( Î x 2 Î y
2 – I x
2^I y 2 )-k(Î x 2 + Î y 2 ) 2 (5.1)
και ως γωνίες αναγνωρίζονται τα σημεία εκείνα στα οποία η σχέση 5.1 ξεπερνάει κάποιο κατώφλι.
Ο όρος k χρησιμοποιείται για προστασία από λάθος ανίχνευση γωνίας και συγκεκριμένα από το να
αναγνωρίζει σημεία ακμών ως γωνίες (γιατί και στα σημεία ακμών, έχουμε μεγάλες τιμές για τις
παραγώγους). Ο Harris πρότεινε την τιμή k=0.04 εμπειρικά. Για τις παραγώγους της έντασης
χρησιμοποιούνται οι μάσκες παραγώγισης:
Επίσης, για να λειτουργήσει ο αλγόριθμος χρειάζεται τον ορισμό παραμέτρων των οποίων
οι βέλτιστες τιμές ορίστηκαν μέσα από διαδικασία δοκιμών. Συγκεκριμένα, το παράθυρο Gaussian
συνέλιξης έχει μέγεθος 5x5 και τυπική απόκλιση σ = 5/6, ενώ το κατώφλι για την αναγνώριση
κάποιου σημείου ως γωνίας ορίστηκε ίσο με 0.04 (όταν οι τιμές για τα pixels της εικόνας είναι
κανονικοποιημένες στο διάστημα [0,1]).
Αφού εφαρμοστεί η παραπάνω διαδικασία, τα σημεία για τα οποία το μέτρο Δ παίρνει τιμές
μεγαλύτερες του κατωφλίου, ορίζουν μια περιοχή γύρω από την πραγματική γωνία. Σε κάθε μία
από τις περιοχές αυτές ως το μοναδικό pixel που θεωρούμε ότι υπάρχει γωνία, κρατάμε το μέγιστο
της περιοχής αυτής. Για το σκοπό αυτό, χρησιμοποιούμε ένα φίλτρο μεγίστου, με μέγεθος επίσης
5x5.
50