OpenCV学习笔记（十六）角点检测

角点检测：

图像像素区域的兴趣点区域对于目标检测/目标跟踪有着重要的意义。当兴趣点周围存在方形区域时，最易形成角点。对于兴趣点检测，角点反应的是图像中局部最大值或者最小值的孤立点，可理解为 区域领域的小方块，存在于不同方向的主边缘处。窗口向任意方向的移动都会导致图像灰度的明显变换，形成的点集称为角点。

1. moravec角点

moravec角点是最早的角点检测算法之一，常用于立体匹配。moravec角点的原理是通过滑动窗口像素变化来实现角点检测，首先计算窗口像素的兴趣值，即以当前像素为中心像素点，取一个正方形窗口wxw，计算0°，45°，90°，135°四个方向灰度差的平方和，取其中的最小值作为兴趣像素点的兴趣值。

moravec角点检测器对每一个兴趣中心点进行划窗遍历，计算其相关8-领域方向的特征关系，窗口的变化可以取3x3,5x5,7x7。moravec角点检测与其他同类型角点检测相比有不足之处。

(1)非均匀性响应。很容易受到邻近特性的影响，一般在实验前，先进行平滑处理操作。moravec对45°响应很强，这是因为只考虑了每隔45°的方向变化，而没有在全部方向上。

(2)噪声响应。由于窗口函数是一个二值函数，不管像素点离中心点的距离是多少，均赋予一样的权重，致使其对应的噪声也有很强的响应。一般在进行角点检测前，先对图像兴趣区域采用较大的窗口或者先进行平滑操作。

程序体现：

#include <opencv2/opencv.hpp>
#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;
using namespace std;
Mat MoravecCorners(Mat srcImage, int kSize, int threshold)
{
	Mat resMorMat = srcImage.clone();
	//获取初始化参数信息
	int r = kSize / 2;
	const int nRows = srcImage.rows;
	const int nCols = srcImage.cols;
	int nCount = 0;
	CvPoint *pPoint = new CvPoint[nRows * nCols];
	//图像遍历
	for (int i = r; i < srcImage.rows - r; i++)
	{
		for (int j = r; j < srcImage.cols - r; j++)
		{
			int wV1, wV2, wV3, wV4;
			wV1 = wV2 = wV3 = wV4 = 0;
			//计算水平方向窗内的兴趣值
			for (int k = -r; k < r; k++)
				wV1 += (srcImage.at<uchar>(i, j + k) - srcImage.at<uchar>(i, j + k + 1))*
				(srcImage.at<uchar>(i, j + k) - srcImage.at<uchar>(i, j + k + 1));
			//计算垂直方向窗内的兴趣值
			for (int k = -r; k < r; k++)
				wV2 += (srcImage.at<uchar>(i + k, j) - srcImage.at<uchar>(i + k + 1, j))*
				(srcImage.at<uchar>(i + k, j) - srcImage.at<uchar>(i + k + 1, j));
			//计算45方向窗内兴趣值
			for (int k = -r; k < r; k++)
				wV3 += (srcImage.at<uchar>(i + k, j + k) - srcImage.at<uchar>(i + k + 1, j + k + 1))*
				(srcImage.at<uchar>(i + k, j + k) - srcImage.at<uchar>(i + k + 1, j + k + 1));
			//计算135方向窗内的兴趣值
			for (int k = -r; k < r; k++)
				wV3 += (srcImage.at<uchar>(i + k, j - k) - srcImage.at<uchar>(i + k + 1, j - k - 1))*
				(srcImage.at<uchar>(i + k, j - k) - srcImage.at<uchar>(i + k + 1, j - k - 1));
			//选取其中的最小值作为该像素点的最终兴趣值
			int value = min(min(wV1, wV2), min(wV3, wV4));
			//若兴趣值大于阈值，则将点的坐标存入数组中
			if (value > threshold)
			{
				pPoint[nCount] = cvPoint(j, i);
				nCount++;
			}
		}
	}
	//绘制兴趣点
	for (int i = 0; i < nCount; i++)
		circle(resMorMat, pPoint[i], 5, Scalar(255, 255, 255), 1, 8, 0);
	return resMorMat;
}
int main()
{
	Mat srcImage = imread