局部特征——Harris角点

本文介绍了Harris角点检测的原理,包括其基本思想、计算过程及角点响应函数。还讨论了Harris角点检测的性质,并阐述了在OpenCV中的实现,如`cornerHarris`函数和`cvGoodFeaturesToTrack`函数的应用。文章引用了相关文献和资源,提供进一步学习的链接。
摘要由CSDN通过智能技术生成

1. 角点

        如果从一面很大的空墙中选择一个点,那么很难在随后的视频帧中跟踪到这个点了,因为墙上所有点都是一样的或相似的,相反,如果选择独一无二或接近独一无二的点,那么再找到这点的几率就非常大。 那么什么点可以被认为是独一无二呢,我们认为一个在两个正交方向上都有明显导数的点更倾向于是独一无二的。许多可跟踪的特征点都被称为角点。

       从直观上讲,角点是一类含有足够信息且能从当前帧和下一帧中都能提取出来的点。

       最普遍使用的角点定义是由Harris提出来的,定义的基础是图像灰度强度的二阶导数矩阵。Harris角点检测过程如下:

       Harris角点检测基本思想:从图像局部的小窗口观察图像特征,如果窗口向任意方向的移动都导致图像灰度的明显变化,那么窗口中有角点。

                      

      将图像窗口平移[u,v]产生灰度变化E(u,v) 

                   

     其中,w(x,y) = 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值