Projet image Méthode des Harris corners - Ensiwiki

Projet image
Méthode des Harris corners
Voici comment détecter des pixels caractéristiques (“features”) dans une image 2D, selon la méthode dite
des Harris corners. L’idée de Harris est la suivante : au niveau de ces pixels caractéristiques (qu’il nomme
“corners” : coins, angles), l’intensité de l’image va varier de manière importante dans plusieurs directions.
On va donc regarder la variation d’intensité de l’image autour de chaque pixel.
Définition 1 (Matrice de Harris). Soit p un pixel de l’image. Soit V un voisinage autour de p dans l’image.
Pour tout pixel q de l’image, on note Iq l’intensité au pixel q. La matrice de Harris pour le pixel p est la
matrice
X
Hp =
wq ∇Iq (∇Iq )t
(1)
q∈V
avec wq un poids associé à q et ∇ l’opérateur de gradient. Les poids wq doivent être circulairement symétriques
(c’est-à-dire que tous les pixels à la même distance de p doivent avoir le même poids).
Hp est donc une matrice 2 × 2. Les poids wq associés aux pixels dans le voisinage de p sont généralement
choisis de manière à former un masque gaussien 3 × 3 ou 5 × 5 : si q − p a pour coordonnées (x, y),
wq =
1 − x2 +y2 2
e 2σ
2πσ 2
(2)
Voir le TP 2 de traitement d’images !
L’algorithme de détection de Harris est le suivant :
1. Fixer T un seuil.
2. Pour tout pixel p de l’image :
(a) calculer Hp ;
(b) calculer c(Hp ) =
determinant(Hp )
.
trace(Hp )
3. Garder les pixels p tels que c(Hp ) > T .
4. Parmi ces pixels, garder ceux tels que C(Hp ) est un maximum local dans un voisinage 3 × 3 (au moins).
Les pixels résultats formeront notre ensemble de features.
Grenoble-INP Ensimag, 2ème année, 2010-2011
Modélisation et programmation en C++ — Projet image