图像边缘检测原理&何谓角点及Harris角点的基本原理&SURF特征提取简介

图像边缘检测原理：

图像边缘是图像最基本的特征，边缘在图像分析中起着重要的 作用。所谓边缘（edge）是指图像局部特征的不连续性。灰度或结构 信息的突变称为边缘，例如：灰度级的突变、颜色的突变、纹理结 构的突变。边缘是一个区域的结束，也是另一个区域的开始，利用该 特征可以分割图像。边缘检测基本思想是先检测图像中的边缘点，再按照某种策略将边缘点连接成轮廓，从而构成分割区域。由于边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开，因此边缘检测对于图像处理十分重要。

何谓角点及Harris角点的基本原理：

角点是两个边缘的交点，角点是邻域内具有两个主方向的特征点。角点所在的邻域通常也是图像中稳定的、信息丰富的区域，这些领域可能具有某些特性，如旋转不变性、尺度不变性、仿射不变性、和光照亮度不变性。因此，在计算机视觉和数字图像领域，研究角点具有重要的意义。

人眼对角点的识别通常是在一个局部的小区域或小窗口完成的。如果在各个方向上移动这个特征的小窗口，窗口内区域的灰度发生了较大的变化，那么就认为在窗口内遇到了角点。如果这个特定的窗口在图像各个方向上移动时，窗口内图像的灰度没有发生变化，那么窗口内就不存在角点；如果窗口在某一个方向移动时，窗口内图像的灰度发生了较大的变化，而在另一些方向上没有发生变化，那么，窗口内的图像可能就是一条直线的线段。

对于图像I(x,y)，当在点(x,y)处平移(Δx,Δy)后的自相似性，可以通过自相关函数给出：

c(x,y;Δx,Δy)=∑(u,v)∈W(x,y)w(u,v)(I(u,v)–I(u+Δx,v+Δy))2

其中，W(x,y)是以点(x,y)为中心的窗口，w(u,v)为加权函数，它既可是常数，也可以是高斯加权函数。

根据泰勒展开，对图像I(x,y)在平移(Δx,Δy)后进行一阶近似：

I(u+Δx,v+Δy)=I(u,v)+Ix(u,v)Δx+Iy(