一文搞定opencv中常见的关键点检测算法(附代码)_opencv 寻找特征点算法

作者：K.Fire | 来源：计算机视觉工坊

前言

角点时图像中存在物体边缘角落位置的点或者一些特殊位置的点，角点检测(Corner Detection)是计算机视觉系统中获取图像特征的一种方法，是运动检测、图像匹配、视频跟踪、三维重建和目标识别的基础。

本篇文章将介绍opencv中常用的几种角点检测方法的原理和基于C++的实现。

一、Harris角点检测

Harris角点原理：设置一个矩形框，将这个矩形框放置在图像中，将矩形框内像素进行求和，然后移动矩形框，当相邻两次求和得到的值差别较大时，判定矩形框内存在Harris角点。

通常出现的位置：直线的端点处、直线的交点处、直线的拐点处。

但是如果按照上述检测原理检测，会很麻烦，很难确定矩形框移动的方向和当框内出现角点时，角点的具体位置。

因此，在程序中一般是用以下方式进行检测：1.定义Harris角点检测函数为：

其中I(x,y)为(x,y)位置的像素值，w(x,y)为矩形框的权重矩阵，定义这个矩阵的原因是：当矩形框内检测到可能存在角点时，权重矩阵中权重更大的位置更有可能是角点。2.将上述公式表示为矩阵形式：

其中M为梯度协方差矩阵，表示为以下公式：

3.然后使用Harris角点评价函数判断矩形框内是否存在角点：

其中det是矩阵的行列式，k是一个自定义的常数，tr是矩阵的迹。使用上述方式计算起来计算消耗比较大，因此换用以下方式进行评价：

其中λ是梯度协方差矩阵M的特