O detector de cantos Harris-Stephens é uma técnica clássica em visão computacional. Harris e Stephens propuseram este método em 1988. Primeiramente, ele identifica pontos onde a intensidade muda em todas as direções. Uma pequena janela desliza sobre a imagem durante a análise. Em regiões planas, a janela não encontra variação significativa. Em bordas, por outro lado, a variação ocorre apenas em uma direção. Em cantos, no entanto, a variação é grande em todas as direções. Portanto, este comportamento caracteriza perfeitamente os cantos. Por exemplo, o detector localiza vértices de edifícios ou quadros. Consequentemente, ele é fundamental para muitas aplicações de visão.
fundamento matemático da matriz harris
Primeiramente, o algoritmo calcula os gradientes da imagem (Ix e Iy). Em seguida, ele constrói a matriz de estrutura (matriz Harris). Esta matriz M é definida localmente para cada pixel. Além disso, ela acumula os produtos dos gradientes na vizinhança. A matriz M possui dois autovalores (λ1 e λ2). Autovalores pequenos indicam uma região plana. Por outro lado, um autovalor grande e outro pequeno indicam uma borda. Dois autovalores grandes, por sua vez, indicam um canto. Portanto, a análise dos autovalores classifica cada ponto. Contudo, calcular autovalores explicitamente é computacionalmente caro. Por isso, o detector usa uma resposta aproximada.
medida de resposta e limiarização
Ao invés dos autovalores, o detector calcula uma medida R. Esta medida usa o determinante e o traço da matriz M. A fórmula é R = det(M) – k * traço(M)². A constante k é tipicamente 0.04 ou 0.06. Valores positivos grandes de R indicam cantos. Em contrapartida, valores negativos indicam bordas. Valores pequenos, por outro lado, indicam regiões planas. Posteriormente, aplica-se um limiar (threshold) à medida R. Pixels com R acima do limiar são candidatos a cantos. Finalmente, uma supressão de não-máximos elimina duplicatas. Este processo garante que cada canto seja detectado apenas uma vez.
aplicações práticas e quando utilizar
O detector Harris-Stephens é amplamente utilizado em várias tarefas. Primeiramente, ele serve para rastreamento de objetos em vídeos. Os cantos são pontos facilmente rastreáveis entre quadros consecutivos. Além disso, ele é usado na montagem de panoramas (image stitching). Os cantos servem como pontos de referência para alinhar as imagens. Sistemas de localização e mapeamento (SLAM) também empregam este detector. Robôs autônomos usam cantos como marcos visuais no ambiente. Outra aplicação importante é na calibração de câmeras. Padrões de xadrez são detectados pelos cantos das quadrículas. Portanto, utilize este detector quando precisar de pontos de interesse repetíveis e bem localizados. Ele é ideal para cenas ricas em textura e cantos geométricos.