Harris角点检测 - opencv角点检测原理详解

　　改进的Harris角点检测

　　从经典的Harris角点检测方法不难看出，该算法的稳定性和k有关，而k是个经验值，不好把握，浮动也有可能较大。鉴于此，改进的Harris方法（）直接计算出两个特征值，通过比较两个特征值直接分类，这样就不用计算Harris响应函数了。

　　另一方面，我们不再用非极大值抑制了，而选取容忍距离：容忍距离内只有一个特征点。

　　该算法首先选取一个具有最大 最小特征值的点（即：max（min（e1，e2）），e1，e2是harris矩阵的特征值）作为角点，然后依次按照最大最小特征值顺序寻找余下的角点，当然和前一角点距离在容忍距离内的新角点呗忽略。

　　opencv测试该算法代码如下：

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

　　//灰度变换

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

　　// 改进的harris角点检测方法

　　std：：vector《cv：：Point》 corners;

　　cv：：goodFeaturesToTrack（image，corners，

　　200，

　　//角点最大数目

　　0.01，

　　// 质量等级，这里是0.01*max（min（e1，e2）），e1，e2是harris矩阵的特征值

　　10）;

　　// 两个角点之间的距离容忍度

　　harris（）.drawOnImage（image，corners）;//标记角点

　　测试结果如下：

　　

　　FAST角点检测

　　算法原理比较简单，但实时性很强。

　　该算法的角点定义为：若某像素点圆形邻域圆周上有3/4的点和该像素点不同（编程时不超过某阈值th），则认为该点就是候选角点。opencv更极端，选用半径为3的圆周上（上下左右）四个点，若超过三个点和该像素点不同，则该点为候选角点。

　　和Harris算法类似，该算法需要非极大值抑制。

　　opencv代码：

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

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

　　//快速角点检测

　　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）;

　　测试结果如下：