兴趣点和角点检测

图像特征类型分为：
1.边缘
2.角点（感兴趣关键点）
3.斑点（Blobs）（感兴趣区域）

角点：
在任意方向上的一个微小变动都会引起灰度很大变换，称之为角点。在图像中可以轻易定位。

角点的具体描述：
1.一阶导数（灰度梯度）的局部最大所对应的像素点
2.两条及两条以上边缘的交点
3.图像中梯度值和梯度方向的变换速率都很高的点
4.角点处的一阶导数最大，二阶导数为0，它指示了物体边缘变化不连续的方向。

角点检测：
1.基于灰度图像：
基于梯度，
基于模板：考虑像素领域点的灰度变化，即图像亮度的变化，将与邻点亮度对比足够大的点定义为角点。（harris角点检测）
基于模板梯度
2.基于二值图像
3.基于轮廓曲线

harris角点检测
OpenCV中有cv2.cornerHarris(img，dst，blocksize，ksize，k),它的参数是：

Img：输入图像，应该是单通道8位和float32类型
blockSize：这是考虑边角检测的邻域大小
ksize：使用Sobel算子的孔径参数
k：harris Corner检测器的自由参数（0.04-0.06）

cv2.cornerHarris(gray, 2, 3, 0.04)

//harris Corner检测
//1.OpenCV中的函数cv2.cornerHarris()和cv2.cornerSubPix()
//2.cv2.cornerharris()参数：
   /* img：输入图像
    blockSize:这是考虑检测的领域大小
    ksize:使用Sobel衍生物的孔径参数
    k:harris Corner检测器的自由参数
    */
'''
import cv2
import numpy as np
 
filename = 'blox.jpg'
img = cv2.imread(filename)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 
gray = np.float32(gray)
dst = cv2.cornerHarris(gray, 2, 3, 0.04)
 
# 结果是扩大标记的角落，不重要
dst = cv2.dilate(dst, None)
 
# 最佳值的阈值，它可能因图像而异
img[dst > 0.01 * dst.max()] = [0, 255, 0]
 
cv2.imshow('dst', img)
if cv2.waitKey(0) & 0xFF == 27:
    cv2.destroyAllWindows()

shi-Tomasi 角点检测
goodFeaturesToTrack函数
（img,corners,int maxCorners,double qualitylevel,double minDistance,mask）

img：输入图像
corners：检测到的角点的输出向量
int maxCorners：角点的最大数量
double qualitylevel：角点检测可接受的最小特征值，通常用的值为0.1或0.01，不超过1.
double minDistance：角点之间的最小距离像素值
mask：可选参数，表示感兴趣区域，（默认值noArray（），若此参数非空，需要为8UC1类型，与img有相同尺寸）
其他的参数均为默认即可

亚像素级角点检测
提供实数坐标值，进行几何测量
cornerSubPix（）函数
（所以其实可以用多种角点检测测量结合。）

	void cv::cornerSubPix(
		cv::InputArray image, // 输入图像
		cv::InputOutputArray corners, // 角点（既作为输入也作为输出）
		cv::Size winSize, // 区域大小为 NXN; N=(winSize*2+1)
		cv::Size zeroZone, // 类似于winSize，但是总具有较小的范围，Size(-1,-1)表示忽略
		cv::TermCriteria criteria // 停止优化的标准
	);

第一个参数是输入图像，和 cv::goodFeaturesToTrack()中的输入图像是同一个图像。
第二个参数是检测到的角点，即是输入也是输出。

第三个参数是计算亚像素角点时考虑的区域的大小，大小为NXN; N=(winSize*2+1)。

第四个参数作用类似于winSize，但是总是具有较小的范围，通常忽略（即Size(-1, -1)）。

第五个参数用于表示计算亚像素时停止迭代的标准，可选的值有cv::TermCriteria::MAX_ITER 、cv::TermCriteria::EPS（可以是两者其一，或两者均选），前者表示迭代次数达到了最大次数时停止，后者表示角点位置变化的最小值已经达到最小时停止迭代。二者均使用cv::TermCriteria()构造函数进行指定。
————————————————
版权声明：此段说明为CSDN博主「PHILOS_THU」的原创文章，
原文链接：https://blog.csdn.net/guduruyu/article/details/69537083