角点特征检测

    角点是目标轮廓上曲率的局部极大点，对掌握目标的轮廓特征具有决定性作用，一旦找到了目标的轮廓特征也就掌握了目标的形状。

角点特征检测方法主要分两类：

1.基于图像边缘的检测方法

  要对图像边缘进行编码，这在很大程度上依赖于图像的分割和边缘提取，具有较大的计算量，且一旦待测目标局部发生变化，很可能导致操作失败

2.基于图像灰度检测的方法

  通过计算点的曲率及梯度来检测角点，避免了基于图像边缘的检测方法存在的缺陷，是目前研究的重点。主要有Moravec算子、Harris算子等。

3.Harris算子介绍：该算子是C．Harris和M．J．Stephens在1988年提出的一种点特征提取算子。这种算子受信号处理中自相关函数的启发，可以给出图像中某一像素点的自相关矩阵肘，其特征值是自相关函数的一阶曲率，如果算，Y两个方向上的曲率值都高，那么就认为该点是角点。（1）算子用高斯函数代替二值窗口函数,对离中心点越近的像素赋于越大的权重，以减少噪声影响。(2)算子只考虑了每隔45度方向，Harris算子用Taylor展开去近似任意方向。(3)Harris采用了一种新的角点判定方法。矩阵M的两个特征向量l1和l2与矩阵M的主曲率成正比。Harris利用l1, l2来表征变化最快和最慢的两个方向.若两个都很大就是角点,一个大一个小就是边缘,两个都小就是在变化缓慢的图像区域.

 Harris 算子是一种有效的点特征提取算子,其优点总结起来有:

              ①计算简单:Harris 算子中只用到灰度的一阶差分以及滤波,操作简单。②提取的点特征均匀而且合理:Harris 算子对图像中的每个点都计算其兴趣值,然后在邻域中选择最优点。实验表明,在纹理信息丰富的区域,Harris 算子可以提取出大量有用的特征点,而在纹理信息少的区域,提取的特征点则较少。③稳定:Harris算子的计算公式中只涉及到一阶导数，因此对图像旋转、灰度变化、噪声影响和视点变换不敏感,它也是比较稳定的一种点特征提取算子。

Harris 算子的局限性有：

①它对尺度很敏感，不具有尺度不变性。②提取的角点是像素级的

4.对所输入的灰度图像进行角点检测