计算机视觉——Harris角点检测

1. Harris角点检测

1.1 角点

图像特征类型可以被分为以下三种：边缘、角点、斑点（Blobs）。
其中，角点是个很特殊的存在。它们在图像中可以轻易定位，同时它们在人造物体中场景中，如门窗，桌子等中随处可见。因为角点位于两条边缘的交点处，代表了两个边缘变化的方向上的点，所以它们是可以精确定位的二维特征，甚至可以达到亚像素的精度。且其图像梯度有很高的变化，这种变化是可以用来帮助检测角点的。
角点的定义

‘如果某一点在任意方向的一个微小变动都会引起灰度很大的变化，那么我们就把它称之为角点’

具体定义有：

1. 局部窗口沿各方向移动，灰度均产生明显变化的点
2. 图像局部曲率突变的点
3. 典型的角点检测算法：Harris角点检测、CSS角点检测
4. Harris角点检测基本思想
   从图像局部的小窗口观察图像特征，角点定义：窗口向任意方向的移动都导致图像灰度的明显变化（如下图）
   

1.2 实验原理

导入图片后使用 compute_harris_response(im) 函数，返回像素值为Harris响应函数值的一幅图像。后根据图像挑选出需要的信息，选取像素值高于阈值的所有图像点；另外加上额外的限制：角点之间的间隔必须大于设定的最小距离。获取的所有候选像素点，以角点响应值递减的顺序排序，然后将距离已标记为角点位置过近的区域从候选像素点中删除（ get_harris_points()函数）

2. 实验分类结果及分析

2.1 纹理平坦

2.1.1 实验结果

1. 正面远近
   
   
2. 正面明暗
   
3. 旋转
   
4. 侧面
   

2.1.2 分析

在纹理平坦的图片中：亮度越高，角点越多。远近，旋转和侧面并不影响角点的检测。

2.2 角点丰富

2.2.1 实验结果

1. 正面远近