角点检测概述

标签：计算   指示   ado   处理   type   harris   lock   固定   detection   

角点广义定义：

不同方向线条的交点。如下图：

数字图像中角点定义：

• 像素点附近区域像素无论是在梯度方向，还是在梯度幅值上都发生较大变化
• 一阶导数（灰度图像的梯度）的局部最大所对应的像素点
• 两条及两条以上边缘的交点
• 图像中梯度值和梯度方向变化速率都很高的像素点
• 角点处一阶导数最大、二阶导数为0，指示物体边缘变化不连续的方向

检测角点的意义：

角点是图像中的重要特征，对帮助人们理解、分析图像有重要的作用。角点在保留图像重要特征的同时，可以有效地减少信息的数据量。使信息含量变高，有效地提高了计算的速度，使得实时处理图像的可靠匹配成为可能。对于同一场景，视角发生改变，角点通常是不变的，具有稳定性。
角点检测（corner detection）是计算机视觉系统中获得图像特征的一种方法，由于角点检测的实时性和稳定性，所以角点检测广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域。角点作为一种特征点，角点检测也被称为特征点检测。
大多数角点检测方法检测的是具有特定特征的图像点，不仅仅是“角点”。这些特征在图像中具有具体的坐标，并具有某些数学特征，如局部最小或最大。我们可以利用检测出的这些点，实现我们想要的操作。

传统的角点检测方法们：

• Moravec 角点检测算法
• Harris 角点检测算法
• Shi-Tomasi 角点检测算法
• FAST 角点检测算法
• Forstner 角点检测算法

角点检测难点：

现存的角点检测方法都不是十分鲁棒。

角点检测评价指标：

• 对多幅图像中相同或相似特征的检测能力
• 对同一图像不同分辨率图像的检测能力
• 对光照变化的鲁棒性
• 对图像旋转的鲁棒性
• 检测速度

Harris算法角点检测思路：

角点检测算法的基本思想是使用一个固定窗口（某像素的领域窗口）在图像上进行任意方向的滑动。比较滑动前与滑动后，窗口中像素灰度的变化程度。如果存在任意方向上的滑动，前后有着较大灰度变化，我们可以认为窗口中存在角点。如下图所示：

• 左图：窗口在平坦的地点移动，移动前后图像灰度值没有变化
• 中图：沿着边缘方向移动窗口，移动前后图像灰度值变化不大
• 右图：沿着任意方向移动窗口，移动前后图像灰度值变化很大

角点检测概述

标签：计算   指示   ado   处理   type   harris   lock   固定   detection   

原文地址：https://www.cnblogs.com/wojianxin/p/12576256.html