Harris角点检测+sift描述匹配

最新推荐文章于 2025-06-03 14:58:20 发布

原创

最新推荐文章于 2025-06-03 14:58:20 发布 · 6.3k 阅读

28 ·

CC 4.0 BY-SA版权

本文探讨了在图像处理中使用Harris角点检测算法寻找图像边缘特征点，并结合SIFT描述符进行匹配的过程。在MATLAB和OpenCV中找到了实现方法。MATLAB版本虽然存在少量误匹配，但可以通过参数调整改善。OpenCV的goodFeaturesToTrack提供了Shi-Tomasi角点检测，能有效控制特征点密度，但误匹配问题较严重，采用BruteForce匹配方式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近用到：Harris检测图像中边缘处的特征点，并且需要两张图特征点匹配起来。Harris只是一个角点检测的算法，最终只得到特征点坐标，想要匹配需要描述，而Harris是单尺度的，自己写描述函数又有些麻烦。找到MATLAB和opencv都有集成的函数：

MATLAB版本通过调节参数，效果还可以，存在一定的误匹配。

clc,clear
%读取、灰度化、显示
I1= imread('sample_01.jpg');  
I1=rgb2gray(I1);  %把RGB图像变成灰度图像
% figure
% imshow(I1)

I2= imread('sample_10.jpg');   
I2=rgb2gray(I2);
% figure
% imshow(I2)

%寻找特征点  
points1 = detectHarrisFeatures(I1,'MinQuality',0.002);  %读取特征点,'MinQuality',0.005
% points2 = detectSURFFeatures(I2);   
points2 = detectHarrisFeatures(I2,'MinQuality',0.002); 

figure
imshow(I1);
hold on;
plot(points1);

figure
imshow(I2);
hold on;
plot(points2);

%Extract the features.计算描述向量  
[f1, vpts1] = extractFeatures(I1, points1);  
[f2, vpts2] = extractFeatures(I2, points2);  

%进行匹配  
indexPairs = matchFeatures(f1, f2,'Method','NearestNeighborSymmetric','MatchThreshold',20) ;  
%用'Method','NearestNeighborSymmetric'，阈值调节用'MatchThreshold',范围0-100，表示选择最强的匹配的百分比，