学习笔记 2.1 — Harris角点检测与特征匹配【含实例】

一. 图像特征匹配

最近刚入门了计算机视觉这门课程，觉得非常有意思，想象一下如果你能够自己做出一款全景拍照的软件，真实地令人激动，当然这全景图像其中的原理就是图像的特征匹配，把不同的图片通过相同的局部特征进行拼接，一张拼一张，最后进行一些平衡化处理后就可以得到全景图了。接下来我们就了解一下这其中的部分原理。

图像的局部特征主要分为以下几类：

• 角点。Harris算子，SUSAN算子, FAST算子。
• 梯度特征点。 SIFT、SURF、GLOH、ASIFT、PSIFT算子 等。
• 边缘特征（线型）。Canny算子, Marr算子。
• 纹理特征。灰度共生矩阵，小波Gabor算子。

今天我们要介绍的就是Harris角点检测和特征匹配。

二. Harris角点检测

2.1 何为角点

通常意义上来说，角点就是极值点，即在某方面属性特别突出的点，是在某些属性上强度最大或者最小的孤立点、线段的终点。而对于图像而言，如图所示红点部分，即为图像的角点，其是物体轮廓线的连接点。

那么对于图像的角点判断，我们假想出一个正方形的小窗口，如果小窗口在图像以任意方向进行移动，导致图像灰度的明显变化，那么我们就可以认为小窗口内部包含了“角点”，或者当窗口足够小时，可以认为该窗口就是角点。下面我们通过一组图来了解一下：

可以看到：
当窗口位于平坦区时，任意方向移动都没有灰度变化。
当窗口位于边缘区时，沿边缘方向移动无灰度变化。
当窗口位于角点时，沿任意方向移动都会有明显的灰度变化。

2.2. 如何检测角点—Harris算法

知道的角点的概念与逻辑判断，那如何转化成计算机能够识别的工具？
人的视觉是具有先天敏感性的，我们可以一眼判断出图像中的所有角点，可以当电脑要识别图像的时候，它们