Harris角点检测算法详解及应用-CSDN博客

本文链接：https://blog.csdn.net/Yep_Ying/article/details/104494491

本文详细介绍了Harris角点检测的原理，通过代码实现和在不同场景（纹理平坦、垂直或水平边缘多、纹理角点丰富）下的结果分析，探讨了算法的优缺点。Harris算子具有计算简单、点特征均匀合理和稳定性好等优点，但对尺度变化敏感，且提取的角点为像素级。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、Harris角点检测原理

Harris角点检测算法的基本原理是取以目标像素点为中心的一个小窗口，计算窗口沿任何方向移动后的灰度变化，并用解析形式表达。算法基本思想是使用一个固定窗口在图像上进行任意方向上的滑动，比较滑动前与滑动后两种情况，窗口中的像素灰度变化程度，如果存在任意方向上的滑动，都有着较大灰度变化，那么我们可以认为该窗口中存在角点。

二、代码

# -*- coding: utf-8 -*-
from pylab import *
from PIL import Image
from PCV.localdescriptors import harris

"""
Example of detecting Harris corner points (Figure 2-1 in the book).
"""

# 读入图像
im = array(Image.open('C:/Users/jxtx/计算机视觉/图片/34.JPG').convert('L'))

# 检测harris角点
harrisim = harris.compute_harris_response(im)

# Harris响应函数
harrisim1 = 255 - harrisim

figure()
gray()

#画出Harris响应图
subplot(141)
imshow(harrisim1)
print (harrisim1.shape)
axis('off')
axis('equal')

threshold = [0.01, 0.05, 0.1]
for i, thres in enumerate(threshold):
    filtered_coords = harris.get_harris_points(harrisim, 6, thres)
    subplot