超级会员免费看
本文详细介绍了Harris角点检测算法，包括其原理、实现步骤、函数参数和实际应用。Harris角点检测是基于灰度图像的角点提取方法，通过计算图像局部区域的灰度变化来检测角点。算法采用高斯滤波，但速度较慢，可能造成角点信息丢失。此外，还提到了Shi-Tomasi角点检测作为Harris的改进，并简要提及亚像素角点检测在高精度测量中的重要性。
本文架构
- 角点检测的相关概念
- Harris角点检测算法
- Harris角点检测实现的步骤
- Harris角点检测函数及其参数介绍
- Harris角点检测实现角点检测的使用案例
- Harris角点检测实现的原理
- Shi-Tomasi角点检测（Harris算法的改进）
- 亚像素角点检测（用于测量、不常用）
角点检测的相关概念
（1）特征点（兴趣点/关键点）
对于一幅图像，我们把目光从之前的观察整幅图像，转移到了图像中的某些特殊的点，对其进行分析。
如果能检测到足够的这种点，同时他们的区分度很高（可以精确定位稳定的特征），那么这个方法具有实用性。
特征点被大量的用于解决：物体识别、图像匹配、视觉跟踪、三维重建
图像特征类型被分为：边缘、角点（特征点）、斑点（特征区域）
（2）角点
角点通常被定义为两条边的交点，用术语的说法就是：在任意方向的一个微小变动都会引起灰度很大变化的点。
角点作为图像上的特征点，包含有重要的信息，在图像融合和目标跟踪及三维重建中有重要的应用价值，角点的描述也分为以下的三类：
- 一阶导数（即灰度的梯度）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的变化速率都很高的点
- 角点的一阶导数最大、二阶导数
订阅专栏 解锁全文
扫一扫
4151
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
