HARRIS CORNER DETECTION

Harris corner detector (detektor sudut Harris) adalah detektor titik (sudut) yang populer karena mampu menghasilkan nilai yang konsisten walau dengan adanya rotasi, skala, variasi pencahayaan maupun noise pada gambar. Detektor sudut Harris didasarkan pada fungsi autokorelasi sinyal lokal di mana fungsi autokorelasi lokal akan menghitung perubahan lokal dari sinyal. Untuk menentukan suatu titik dapat kita anggap sebagai titik sudut adalah jika kedua titik tersebut sisinya bertemu (misalkan yaitu titik dimana bertemunya dua buah garis miring). Titik sudut tidak akan bias didefinisikan pada piksel tunggal, karena disana hanya ada satu gradien per titik. Perilaku gradien ini jika kita cuplik dalam sebuah jendela kecil dapat dikategorikan bedasarkan statistiknya sebagai berikut : y y y y Konstan: Jika hanya sedikit atau tidak ada perubahan kecerahan (brightness) Sisi/tepi/garis: Jika terjadi perubahan kecerahan yang kuat pada satu arah Flow : garis Paralel Pojok (corner): Jika terjadi perubahan kecerahan yang kuat dalam arah orthogonal

Gradien dari suatu citra adalah sebagai berikut :

Gambar 1. Gradien garis

Selanjutnya dapat ditentukan bahwa pada jendela pencuplikan untuk suatu titik disebut sebagai sudut adalah jika baik Ix = maupun Iy = tinggi.

Pada metode harris corner detection sutu titik pojok(sudut) akan mudah dikenali dengan menggunakan suatu nilai intensitas pada jendela (window) yang kecil yaitu pada susutu titik sudut dengan menggeser window tersebut ke segala arah sehingga didapatkan nilai perbedaan yang besar. window garis

Gambar 2. Pencuplikan (windowing)

Cucun Very A (2209205004)

Page 1

(a)

(b)

(c)

Gambar 3.

a. Konstan/Flat: tidak ada perubahan pada semua arah b. Sisi/tepi/garis : tidak ada perubahan sepanjang arah garis c. Pojok (corner): terdapat perubahan yang signifikan pada segala arah

Secara Matematis :

E (u, v) ! w( x, y) ?I ( x  u, y  v)  I ( x, y )A
x, y

intensity Window function Intensity Shifted

Gambar 4. Fungsi penjedelaan klasik dan gaussian

Fungsi windowing W(x,y)

bernilai 1 jika didalam jendela atau 0 jika di luar atau

menggunakan bisa juga dengan menggunkan fungsi Gaussian. Nilai pada bagian Intensity Shifted dan intensity untuk bagian yg flat/konstan akan bernilai kecil, sedangkan untuk daerah yang mengandung corner akan bernilai besar. Yang ingin dicari adalah daerah dengan nilai E(u,v) yang besar. u Untuk perubahan kecil [u,v] kita gunakan pendekatan bilinier: E u v $ ?u vA M v Dimana M adalah matrik 2x2 dihitung dari image derivatives (turunan gambar) I x2 M ! w( x, y ) x, y IxI y IxI y 2 Iy Fungsi windowing

Intensitas perubahan pergeseran jendela: analisis eigenvalue u E (u, v) $ ?u, v A M v P1, P2 adalah eigenvalue dari M

Cucun Very A (2209205004)

Page 2

Klasifikasi titik citra menggunakan nilai eigen M

P1 dan P2 kecil ; E hampir konstan di semua arah

Mengukur Respon corner R ! det M  k trace M

det M ! P1P2 trace M ! P1  P2
2

Nilai k adalah konstanta empiris dengan nilai k= 0.04 0.06 Nilai R hanya diperngaruhi oleh eigen value dari M R adalah besar untuk corner R adalah negatif dengan magnitude besar adalah garis |R| adalah kecil untuk daerah flat

Ringkasan 1) Hitung turunan x dan y dari gambar (Ix dan Iy) >> *I

2) Hitung perkalian product pada tiap pixel >> Ix2=Ix.Ix ; Iy2 = Iy.Iy ; Ixy = Ix.Iy 3) Hitung jumlah product dari turunan di tiap pixel >> Sx2 = GWt *Ix2 ; Sy2= GWt *Iy2 ; Sxy = GWt *Ixy 4) Definisikan tiap pixel pada matrik >>

Cucun Very A (2209205004)

Page 3