cv2.cornerHarris() 详解（Harris 角点检测）-平芜编程栈

cv2.cornerHarris() 详解（Harris 角点检测）

cv2.cornerHarris() 是 OpenCV 中实现Harris 角点检测的核心函数，用于检测图像中的角点（角点定义：图像中在两个正交方向上灰度变化都很大的像素点，如物体边缘的交点）。以下是完整的使用指南、参数解析、实战示例和避坑技巧：

一、核心原理

Harris 角点检测通过计算像素点的自相关矩阵，分析该点邻域内的灰度变化：
若两个方向的灰度变化都大 → 角点；
仅一个方向变化大 → 边缘；
无明显变化 → 平坦区域。最终通过响应值（R）判断是否为角点：R > 阈值则判定为角点。

二、函数语法与参数

dst = cv2.cornerHarris(src, blockSize, ksize, k)

完整使用步骤

# -*- coding:utf-8 -*-importcv2 as cvimportnumpy as npimportsysif__name__=='__main__':# 读取图像image=cv.imread('./images/test.jpg')ifimage is None: print('Failed to read test.jpg.')sys.exit()# 转为灰度图像gray=cv.cvtColor(image, cv.COLOR_BGR2GRAY)# 计算Harris系数harris=cv.cornerHarris(gray,2,3,0.04,borderType=cv.BORDER_DEFAULT)# 对Harris进行归一化便于进行数值比较harris_nor=cv.normalize(harris, None,alpha=0,beta=255,norm_type=cv.NORM_MINMAX)harris_nor=harris_nor.astype('uint8')# 寻找Harris角点kps=[]foriinnp.argwhere(harris_nor>125): kps.append(cv.KeyPoint(i[1], i[0],1))# 绘制角点result=cv.drawKeypoints(image, kps, None)# 展示结果cv.imshow('R', harris_nor)cv.imshow('Harris KeyPoints', result)cv.waitKey(0)cv.destroyAllWindows()

常见错误及解决

错误 1：输入图像类型错误

plaintext
error: (-215:Assertion failed) src.type() == CV_32F || src.type() == CV_8U
原因：输入图像不是单通道灰度图，或未转为浮点型；
解决：确保 src 是灰度图，且执行 gray = np.float32(gray)。

错误 2：角点标记无效果

原因：阈值过高，或 k 取值不合理；
解决：降低阈值（如 0.01dst.max() → 0.005dst.max()），调整 k 至 0.04~0.06。

错误 3：亚像素检测报错

plaintext
error: (-215:Assertion failed) src.size() == patternSize
原因：corners 格式错误（需是 (N,2) 的浮点数组）；
解决：确保 corners = np.float32(corners[:, ::-1]) 转换坐标格式。

适用场景与局限性

总结

cv2.cornerHarris() 核心是调参 blockSize、ksize、k，需根据图像分辨率 / 噪声调整；
降噪（高斯模糊）是提升检测效果的关键前置步骤；
高精度场景需结合 cv2.cornerSubPix() 实现亚像素级检测；
对比 Shi-Tomasi 角点检测，Harris 更适合粗检测，Shi-Tomasi 速度更快、结果更稳定。