视觉特征点算法（一）Moravec,Harris,Shi-Tomasi角点

最近看了SIFT原理的论文，在Related research里边介绍了之前各家提出一系列角点，因此在网上搜集并整理了这些焦点的原理介绍。 特征检测与匹配是Computer Vision 应用总重要的一部分，这需要寻找图像之间的特征建立对应关系。点，也就是图像中的特殊位置，是很常用的一类特征，点的局部特征也可以叫做“关键特征点”(keypoint feature)，或“兴趣点”(interest point)，或“角点”(conrner)。 关于角点的具体描述或评判标准可以有几种： - 一阶导数(即灰度的梯度)的局部最大所对应的像素点； - 两条及两条以上边缘的交点； - 图像中梯度值和梯度方向的变化速率都很高的点； - 角点处的一阶导数最大，二阶导数为零，指示物体边缘变化不连续的方向。 ### **1.Moravec角点** 转载自: http://blog.csdn.net/newthinker_wei/article/details/45603583 Moravec角点的值是通过在一个x*x大小的窗口内，通过向四个方向移动：  其中（x，y）就表示四个移动方向（1，0）（1，1）（0，1）（-1，1），E就是像素的变化值。Moravec算子对四个方向进行加权求和来确定变化的大小，然和设定阈值，来确定到底是边还是角点。 ### ** 2.Harris角点与Shi-Tomasi角点 ** **关于为什么R这样取，是因为harris设计的R函数满足：** 

转载：http://blog.csdn.net/xiaowei_cqu/article/details/7805206
源码及资料下载： http://download.csdn.net/detail/xiaowei_cqu/4466627

当一个窗口在图像上移动，在平滑区域如图(a)，窗口在各个方向上没有变化。在边缘上如图(b)，窗口在边缘的方向上没有变化。在角点处如图(c)，窗口在各个方向上具有变化。Harris角点检测正是利用了这个直观的物理现象，通过窗口在各个方向上的变化程度，决定是否为角点。

将图像窗口平移[u,v]产生灰度变化E(u,v)

由：， 得到：

对于局部微小的移动量 [u,v]，近似表达为：

其中M是 2*2 矩阵，可由图像的导数求得：

E(u,v)的椭圆形式如下图：

 

定义角点响应函数 R 为：

Harris角点检测算法就是对角点响应函数R进行阈值处理：R > threshold，即提取R的局部极大值。

【相关代码】

OpenCV中定义了 cornerHarris 函数：

[cpp]