Harris特征检测（python实现）

1.Opencv特征的场景

（1）图像搜索：以图搜索；
（2）拼图游戏；
（3）图像拼接：将两张有关联的图拼接在一起；

---

2.特征

图像特征就是指有意义的图像区域，具有独特性，易识别性，比如角点，斑点以及高密度区域。
角点：在特征中最重要就是角点；灰度梯度的最大值对应的像素；两条线的交点；极值点（一阶导数最大，二阶导数为0）

---

3.Harris特征检测

第一幅图矩形表示一个平坦区域，在各方向移动，窗口内像素值没有变化；
第二幅图矩形表示一个边缘特征（Edges），如果沿着垂直方向移动(梯度方向)，像素值会发生改变；如果沿着边缘移动(平行于边缘) ，像素值不会发生变化；
第三幅图矩形框来说，它是一个角（Corners），不管你把它朝哪个方向移动，像素值都会发生很大变化。

---

4.哈里斯（Harris）角点特征性质

该算法算子对亮度和对比度的变化不敏感。
算子具有旋转不变性。
算子不具有尺度不变性。

---

5.函数讲解

cornerHarris(src, blockSize, ksize, k, dst=None, borderType=None)
Src:输入的原始图像；
Blocksize:检测窗口的大小
Ksize:卷Sobel积核的大小；
K:权重系数，经验值，一般取0.02-0.04之间。
Dst:输出的图像
borderType:⽤于推断图像外部像素的某种边界模式，有默认值BORDER_DEFAULT.

---

6.代码实战

import os
import cv2

#读取图片
img=cv2.imread('images/HaLiSi.jpg')
#缩放图片
img=cv2.resize(src=img,dsize=(450,450))
#转灰度图
gray=cv2.cvtColor(src=img,code=cv2.COLOR_RGB2GRAY)
#哈里斯检测
halisi=cv2.cornerHarris(src=gray,blockSize=2,ksize=3,k=0.03)
#判断角点的“质量”
img[halisi>0.01*halisi.max()]=[0,255,0]
#显示图像
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

if __name__ == '__main__':
    print('Pycharm')