Harris角點(diǎn)檢測 - opencv角點(diǎn)檢測原理詳解

　　改進(jìn)的Harris角點(diǎn)檢測

　　從經(jīng)典的Harris角點(diǎn)檢測方法不難看出，該算法的穩(wěn)定性和k有關(guān)，而k是個(gè)經(jīng)驗(yàn)值，不好把握，浮動也有可能較大。鑒于此，改進(jìn)的Harris方法（）直接計(jì)算出兩個(gè)特征值，通過比較兩個(gè)特征值直接分類，這樣就不用計(jì)算Harris響應(yīng)函數(shù)了。

　　另一方面，我們不再用非極大值抑制了，而選取容忍距離：容忍距離內(nèi)只有一個(gè)特征點(diǎn)。

　　該算法首先選取一個(gè)具有最大 最小特征值的點(diǎn)（即：max（min（e1，e2）），e1，e2是harris矩陣的特征值）作為角點(diǎn)，然后依次按照最大最小特征值順序?qū)ふ矣嘞碌慕屈c(diǎn)，當(dāng)然和前一角點(diǎn)距離在容忍距離內(nèi)的新角點(diǎn)唄忽略。

　　opencv測試該算法代碼如下：

　　cv：：Mat image， image1 = cv：：imread （“test.jpg”）;

　　//灰度變換

　　cv：：cvtColor （image1，image，CV_BGR2GRAY）;

　　// 改進(jìn)的harris角點(diǎn)檢測方法

　　std：：vector《cv：：Point》 corners;

　　cv：：goodFeaturesToTrack（image，corners，

　　200，

　　//角點(diǎn)最大數(shù)目

　　0.01，

　　// 質(zhì)量等級，這里是0.01*max（min（e1，e2）），e1，e2是harris矩陣的特征值

　　10）;

　　// 兩個(gè)角點(diǎn)之間的距離容忍度

　　harris（）.drawOnImage（image，corners）;//標(biāo)記角點(diǎn)

　　測試結(jié)果如下：

　　FAST角點(diǎn)檢測

　　算法原理比較簡單，但實(shí)時(shí)性很強(qiáng)。

　　該算法的角點(diǎn)定義為：若某像素點(diǎn)圓形鄰域圓周上有3/4的點(diǎn)和該像素點(diǎn)不同（編程時(shí)不超過某閾值th），則認(rèn)為該點(diǎn)就是候選角點(diǎn)。opencv更極端，選用半徑為3的圓周上（上下左右）四個(gè)點(diǎn)，若超過三個(gè)點(diǎn)和該像素點(diǎn)不同，則該點(diǎn)為候選角點(diǎn)。

　　和Harris算法類似，該算法需要非極大值抑制。

　　opencv代碼：

　　cv：：Mat image， image1 = cv：：imread （“test.jpg”）;

　　cv：：cvtColor （image1，image，CV_BGR2GRAY）;

　　//快速角點(diǎn)檢測

　　std：：vector《cv：：KeyPoint》 keypoints;

　　cv：：FastFeatureDetector fast（40，true）;

　　fast .detect （image，keypoints）;

　　cv：：drawKeypoints （image，keypoints，image，cv：：Scalar：：all（255），cv：：DrawMatchesFlags：：DRAW_OVER_OUTIMG）;

　　測試結(jié)果如下：