学习之角点检测Harris

      角点是图像亮度发生剧烈变化或者图像边缘曲线上曲率极大值的点。角点检测方法主要分两类：基于图像边缘的方法和基于图像灰度的方法。前者往往需要对图像边缘进行编码，这在很大程度上依赖于图像的分割和边缘提取，具有相当大的难度和计算量，且一旦待检测目标局部发生变化，很有可能导致操作的失败。基于图像灰度的方法通过计算点的曲率及梯度来检测角点，避免了第一类方法存在的缺点，是目前研究的重点。评价角点检测算法性能优劣主要从以下5个方面：

     （1）准确性：即使很细小的角点，也能检测到；

     （2）定位性：检测到的角点应尽可能地接近它们在图像中的真实位置；

     （3）稳定性：对相同场景拍摄的多幅图片，每一个角点的位置都不应该移动；

     （4）实时性：角点检测算法的计算量越小，运行速度越快越好；

     （5）鲁棒性：对噪声具有抗干扰性。

      基于图像边缘：Rosenfeld和Freeman等人的方法，后期有CCS等方法。基于图像灰度：Moravec算子、Forstener算子、Harris算子、SUSAN算子等。本文先介绍Harris算子，Harris算子具有平移和旋转不变性，对光照条件的变化不敏感：

      1、先调用MATLAB函数检测图像Harris角点特征，其中I是输入的图像矩阵，C为角点量度矩阵，用来检测图像I中的角点信息，并与I同尺寸，C的值越大表示图像I中的像素越有可能是一个角点。

clear all;close all;clc;
I=imread('5.jpg');
I=rgb2gray(I);
subplot(1,3,1);imshow(I);title('yuan');

%生成角点度量矩阵
C=cornermetric(I,'harris');
C_adjusted=imadjust(C);%imadjust在数字图像处理中用于进行图像的灰度变换
subplot(1,3,2);imshow(C_adjusted);title('角点矩阵');

%寻找并显示Harris角点
corner_peaks=imregionalmax(C);
corner_idx=find(corner_peaks==true);
[r b g]=deal(I);
r(corner_idx)=255;
g(corner_idx)=255;
b(corner_idx)=0;
RGB=cat(3,r,g,b);
subplot(1,3,3);imshow(RGB);title('检测出的Harris角点');

2、（1）计算图像I（x,y）在X和Y方向的梯度Ix、Iy.

       （2）计算图像两个方向梯度的乘积

       （3）使用高斯函数对Ix^2、Iy.^2和Ixy进行高斯加权，生成矩阵M的元素A，B和C

       （4）计算每个像元的Harris相应值R，并对于小于某一阈值t的R置为零

       （5）在3*3,或5*5的领域内进行非最大值抑