Harris角点检测及数据分析

一、算法概述

1.1角点的描述
角点是图像很重要的特征之一,对图像图形的理解和分析有很重要的作用。角点在保留图像图形重要特征的同时,可以有效地减少信息的数据量,使其信息的含量很高,有效地提高了计算的速度,有利于图像的可靠匹配,使得实时处理成为可能。
从图像分析的角度来定义角点可以有以下定义：
角点是局窗口沿各方向移动，均匀产生明显变化的点，也是图像局部曲率突变的点。
1.2Harris角点检测算法
harris角点检测是一种特征提取的方法，而特征提取正是计算机视觉的一种重要手段。尽管它看起来很复杂，其实也是基于数学原理和简单的图像处理来实现的。
算法思想
为了判断图像的角点，可以利用卷积窗口滑动的思想，让以该点为中心的窗口在附近滑动。如下图是所有描述角点文章的初始图例，它表征的正是这一特性：当滑动窗口在所有方向移动时，窗口内的像素灰度出现了较大的变化，就可能是角点。
数学模型

二、算法代码

# -*- coding: utf-8 -*-
from pylab import *
from PIL import Image
from PCV.localdescriptors import harris

"""
Example of detecting Harris corner points (Figure 2-1 in the book).
"""

# 读入图像
im = array(Image.open('D:/photo/1_1.jpg').convert('L'))

# 检测harris角点