【opencv 角点检测总结】

什么是角点？






关于角点的具体描述可以有几种：

（1）、一阶导数(即灰度的梯度)的局部最大所对应的像素点；

（2）、两条及两条以上边缘的交点；

（3）、图像中梯度值和梯度方向的变化速率都很高的点；

（4）、角点处的一阶导数最大，二阶导数为零，指示物体边缘变化不连续的方向。

1、目前的角点检测算法可归纳为3类：

（1）、基于灰度图的角点检测

（2）、基于二值图像的角点检测

（3）、基于轮廓曲线的角点检测。

2、基于灰度图的角点检测又分为：

（1）、基于梯度。基于梯度的方法是通过计算边缘的曲率来判断角点的存在性,角点计算数值的大小不仅与边缘强度有关,而且与边缘方向的变化率有关,该方法对噪声比基于模板的角点检测方法对噪声更为敏感。

（2）、基于模板。基于模板的方法主要考虑像素邻域点的灰度变化,即图像亮度的变化,将与邻点亮度对比足够大的点定义为角点。

（3）、基于模板梯度组合。除了直接对灰度图像的像素操作以外,罗斌等人采用了变换的方法,用电磁场理论中矢势的鞍点检测来代替角点的检测,是一种综合了模板角点检测和灰度曲率角点检测的方法。通过高斯模板和图像的卷积获得Canny边缘映射图,再计算梯度和边缘矢量就得到了矢势。对于矢势计算高斯曲率和平均曲率来判定是否是鞍点,对应的应该是图像的角点。因为涉及到了曲率的计算,也有人将该方法归到边缘曲线的角点检测。

3、常见的基于模板的角点检测算法分为：

（1）、Kitchen-Rosenfeld角点检测算法

（2）、Harris角点检测算法
（3）、KLT角点检测算法

（4）、SUSAN角点检测算法

4、常见算法原理如下：







截图来自于：点击打开链接（华中科技大学-梁艳的硕士论文）

参考资料：http://www.itnose.net/detail/6055301.html