OpenCV：10特征检测

特征检测的基本概念

特征检测是计算机视觉和图像处理中的一个概念。它是指使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征检测的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域

特征检测包括边缘检测、角检测、区域检测和脊检测

特征检测应用场景：

• 图像搜索，比如以图搜图
• 拼图游戏
• 图像拼接
• …

以拼图游戏为例来说明特征检测的应用流程

• 寻找特征
• 特征是唯一的（如果每个地方都有该特征，那我们就无从下手了）
• 特征是可追踪的
• 特征是能比较的

因此：
A、B（蓝色框）不是特征 ——> 不是唯一的
C、D（黑色框）不是特指 ——> 不是唯一的
E、F（红色框）是特征 ——> 唯一、可追踪、能比较

我们发现：

• 平坦部分（A、B）很难找到它在原图的位置
• 边缘部分（C、D）相对平坦部分好找一些，但是无法唯一确定
• 角点（E、F）可以一下就找到其在原图中的位置 ——> 角点不是边缘！而是拐角

图像特征就是值有意义的区域，具有独特性、易于识别性

Harris角点检测

在图像特征中最重要的就是角点，哪些是角点呢？

• 灰度梯度最大值对应的像素（附近是不同的颜色！如高楼边角一边是墙壁的颜色一边是天空的颜色）
• 两条线的交点（两个边缘就是两条线）
• 图像中灰度值的极值点（一阶导数最大，二阶导数为0）

---

三幅图对应三种情况：
图一在平坦位置向四周移动，灰度值变化都不大；图二上下移动灰度值变化不大，左右移动灰度值变化剧烈；图三无论朝着哪个方向移动，灰度值都剧烈变化

---

原理

图像I(x,y)，当在点(x,y)处平移(△x,△y)后的自相似性：

自相似性：移动后与原来点相似度有多少，其实就是差异；具体是上一个位置框的像素值 - 下一个框的像素值