文章目录
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:
- 局部窗口沿各方向移动,灰度均产生明显变化的点
- 图像局部曲率突变的点
- 典型的角点检测算法:Harris角点检测、CSS角点检测
- 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
- 正面远近
- 正面明暗
- 旋转
- 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
- 正面远近