openCV 图像特征点检测与匹配

一、应用场景

        1.图像搜索，以图搜图。

        2.拼图游戏。

        3.图像拼接，将两张有关联的图拼接在一起。

二、基础概念

2.1 什么是图像特征？

        图像特征就是指有意义的图像区域，具有独特性、易于识别性，比如角点、斑点以及高密度区。

         从上图我们可以发现：

        A、B两图我们很难找到具体定位；

        C、D两图可以找到一些相似区域，但不太容易确定；

        E、F两图则很容易确定其定位，即特征信息丰富。

        由此，我们可以知道角点是非常重要的特征信息。

2.2 角点

        （1）在特征中最重要的是角点；

        （2）灰度梯度的最大值对应的像素点；

        （3）两条线的交点；

        （4）极值点（一阶导数最大值，但二阶导数为0）。

三、特征检测

3.1 角点检测

3.1.1 Harris角点检测

• 光滑地区，无论向哪个移动，衡量系数不变
• 边缘地区，垂直边缘移动时，衡量系统剧烈变化
• 在交点处，往那个方向移动，衡量系统都发生剧烈变化

    Harris角点检测API

• cornerHarrris(img,dst,blockSize,ksize,k)
• blockSize: 检测窗口大小
• ksize: Sobel的卷积核
• k 权重系数，经验值，一般取0.02-0.04之间

import cv2
import numpy as np

# 读取图片
img = cv2.imread('./chess.png')

# 灰度化
gray = cv2.cvtColor(img, cv2.COLOR_BG