计算机视觉 ch2 Harris角点检测算法、SIFT与地理图像匹配

准备

库：PCV、VLfeat、Graphivz等库的安装教程
环境配置：OpenCV、Python等配置教程

特征匹配基本流程

1.根据准则，提取图像中的特征点
2.提取特征点周围的图像块，构造特征描述符
3.通过特征描述符对比，实现特征匹配

Harris角点检测算法

Harris角点检测算法是一个极简单的角点检测算法。该算法的主要思想是，如果像素周围显示存在多于一个方向的边，我们认为该点为兴趣点，该点便称为角点。
角点：局部窗口沿各方向移动，均产生明显变化的点；图像局部曲率突变的点。
→窗口向任意方向的移动都导致图像灰度的明显变化

数学表达
将图像窗口平移[u,v]产生的灰度定义为E(u,v)


我们记矩阵M的特征值为λ1，λ2
然后定义一个角点响应函数R
R=detM-k（traceM）²
detM=λ1×λ2
traceM=λ1+λ2

• -R 只与M的特征值有关
• 角点：R 为大数值正数
• 边缘：R为大数值负数
• 平坦区：R为小数值

python实现

from pylab import *
from PIL import Image

from PCV.localdescriptors import harris
from PCV.tools.imtools import imresize

im1 = array(Image.open("9.jpg").convert("L"))
im2 = array(Image.open("12.