Harris角点检测算子.docVIP

2014.3.30周报 Harris角点检测算子 Harris角点检测算子是Moravec角点检测算子的改进 Harris算子用高斯函数代替二值窗口函数，对离中心点越来越近的像素赋予较大的权重，以减少噪声影响。 图1 高斯函数 Moravec算子只考虑了每隔45度方向，Harris算子用Taylor展开去近似任意方向。 写成矩阵形式： （1-2） （1-3） 式中，lx为x方向的差分，ly为y方向的差分，w(x,y)为高斯函数。 Harris采用了一种新的角点判定方法。矩阵的两个特征向量和与矩阵的主曲率成正比。Harris利用，来表征变化最快和最慢的两个方向，若两个都很大就是角点，一个大一个小就是边缘，两个都小就是在变化缓慢的图像区域。 图2用矩阵的特征向量分类图像像素点的迹，两个特征值的积等于矩阵的行列式。所以用（1-4）式来判定角点质量。（k常取0.04-0.06） （1-4） Harris算法总结 Step1：对每一像素点计算相关矩阵 Step2：计算每个像素的Harris角点响应 Step3：在范围内寻找极大值点，若Harris角点响应大于阈值，则视为角点。 Harris算子对灰度的平移是不变的，因为只有差分，对旋转也有不变性，但是对尺度很敏感，在一个尺度下是角点，在另一个尺度下可能就不是了。 图3 Harris算子对尺度的敏感性 图4 Harris算子对简单图像的响应 Harris 算子是一种有效的点特征提取算子,其优点总结起来有: 计算简单:Harris 算子中只用到灰度的一阶差分以及滤波,操作简单。提取的点特征均匀而且合理:Harris 算子对图像中的每个点都计算其兴趣值,然后在邻域中选择最优点。实验表明,在纹理信息丰富的区域,Harris 算子可以提取出大量有用的特征点,而在纹理信息少的区域,提取的特征点则较少。稳定:Harris算子的计算公式中只涉及到一阶导数，因此对图像旋转、灰度变化、噪声影响和视点变换不敏感,它也是比较稳定的一种点特征提取算子。 Harris 算子的局限性有：它对尺度很敏感，不具有尺度不变性。提取的角点是像素级的。 棋盘的排放? 算法是基于2D模型的，如果棋盘摆放的不平整，肯定会造成很大的影像。2.图片数目的影像事实上图片的数目多了会很好的3.图片的角度：这里注意的是图片的角度是45度最好，但是太大的角度对于角点提取的精度影像比较大，所以保持在45度以内比较好4.除上面的因素以外，光线对图片的影像也很大，这个也要注意