图像特征-harris-角点检测

 (角点通俗说就是沿x方向、沿y方向的变化明显；边界只沿一个方向有变化）

基本原理

（相当于灰度值的变化）

 

 

基于泰勒展开，对图像I(x,y)在平移（xi,yi)后进行一阶近似：

 

 

 

 

 opencv-角点检测效果

cv2.cornerHarris(img,blockSize,ksize,k)

1、 img: 数据类型为float32的输入图像

2、blockSize:角点检测中指定区域的大小

3、ksize:sobel求导中使用的窗口大小 （一般ksize=3)

4、k:取值参数【0.04，0.06】

代码：

import cv2
import numpy as np
 
img=cv2.imread('E:/opencv/chessboard.jpg')
print('img.shape:',img.shape)
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#gray=np.float32(gray)
dst=cv2.cornerHarris(gray,2,3,0.04)  #自相似程度
print('dst.shape:',dst.shape)
 
img[dst>0.01*dst.max()]=[0,0,255]   #只要一个角点的位置大于自相似最大值1%,则true,用红色标记出来
cv2.imshow('dst',img)
cv2.waitKey(0)
cv2.destoryAllWindows()