Task01 Harris特征点检测器-兴趣点检测

1.1 简介
在图像处理领域中,特征点又被称为兴趣点或者角点,它通常具有旋转不变性和光照不变性和视角不变性等优点,是图像的重要特征之一,常被应用到目标匹配、目标跟踪、三维重建等应用中。点特征主要指图像中的明显点,如突出的角点、边缘端点、极值点等等,用于点特征提取的算子称为兴趣点提取(检测)算子,常用的有Harris角点检测、FAST特征检测、SIFT特征检测及SURF特征检测。
本次任务学习较为常用而且较为基础的Harris角点检测算法,它的思想以及数学理论能够很好地帮助我们了解兴趣点检测的相关原理。

1.2 学习目标
理解Harris特征点检测算法的思想和数学原理
学会利用OpenCV的Harris算子进行兴趣点检测
1.3 内容大纲
基础知识
Harris角点检测算法原理
OpenCV实现
1.4 内容介绍
1.4.1 基础知识
1.角点
2.角点类型
3.图像梯度
1.4.2 Harris角点检测算法原理

  1. 算法思想
    算法的核心是利用局部窗口在图像上进行移动,判断灰度是否发生较大的变化。如果窗口内的灰度值(在梯度图上)都有较大的变化,那么这个窗口所在区域就存在角点。

这样就可以将 Harris 角点检测算法分为以下三步:

当窗口(局部区域)同时向 x (水平)和 y(垂直) 两个方向移动时,计算窗口内部的像素值变化量 E ( x , y ) E(x,y) E(x,y)
对于每个窗口,都计算其对应的一个角点响应函数 R R R
然后对该函数进行阈值处理,如果 R > t h r e s h o l d R > threshold R>threshold,表示该窗口对应一个角点特征。
2. 第一步 — 建立数学模型
第一步是通过建立数学模型,确定哪些窗口会引起较大的灰度值变化。
3. 第二步—角点响应函数R
4. 第三步—角点判定
1.5 基于OpenCV的实现

你可能感兴趣的:(计算机视觉)