---

一、角點檢測

1、定義

在計算機視覺中，角點檢測是識別圖像中局部區域（角點）的關鍵技術，這些區域通常是兩條或多條邊緣的交點，具有豐富的結構信息，常用于圖像匹配、跟蹤、三維重建等任務。

Harris角點檢測算法是一種常用的計算機視覺算法，用于檢測圖像中的角點。該算法通過計算圖像中每個像素的局部自相關矩陣，來判斷該像素是否為角點。

2、檢測流程

1）輸入圖像

將待檢測的圖像作為輸入。

2）圖像預處理

對輸入圖像進行必要的預處理，如灰度化、降噪等，以便更好地進行角點檢測。

3）特征提取

使用角點檢測算法對預處理后的圖像進行角點特征提取。常見的角點檢測算法有Harris角點檢測算法、Shi-Tomasi角點檢測算法等。

4）角點檢測

根據所選的角點檢測算法，計算圖像中的每個像素點的角點響應值，以判斷其是否為角點。具體算法會根據不同的方法而有所差異。

5）角點定位和標記

根據角點響應值，確定角點的位置，并進行標記。可以使用函數或算法來繪制或返回角點的位置信息。

6）角點篩選或后處理（可選）

根據具體需求，可以對檢測到的角點進行篩選或進行后處理操作，如非極大值抑制、閾值過濾等，以去除不準確的角點或增強有效的角點。

7）輸出結果

根據需要，可以將檢測到的角點的位置信息、圖像中繪制的標記或其他相關信息作為輸出結果。

二、Harris 角點檢測（經典方法）

1、參數解釋

角點指圖像中局部區域與周圍區域有較大灰度變化的點或像素。
cornerHarris(img, blockSize, ksize, k[, dst[, borderType]]) -> dst? img:單通道灰度圖像（數據類型為 float32）。? blockSize: 計算角點時考慮的鄰域大小（如 2 表示 2x2 鄰域）。? ksize:Sobel 梯度計算的核大小（常用 3）。? k: 響應函數中的參數，影響角點檢測的敏感度（k 越小，檢測到的角點越多）。,取值參數為 [0.04,0.06]。dst:返回numpy.ndarray對象,大小和src相同,值越大,對應像素點是角的概率越高

2、圖片的讀取以及灰度轉換

img = cv2.imread('huanghelou.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

3、檢測角點，并對響應值進行閾值處理

dst = cv2.cornerHarris(gray,4,3,0.04)
# 標記檢測到的角點
img[dst > 0.01 * dst.max()] = [0, 255, 0]
# 這里通過對角點響應進行閾值處理，標記出檢測到的角點。
# 0.05 * dst.max() 是一個閾值，大于這個值的像素點會被標記為綠色。
cv2.imshow('img',img)
cv2.waitKey(0)

三、Shi-Tomasi 角點檢測（Good Features to Track）

1、參數解釋

corners = cv2.goodFeaturesToTrack(gray_img, maxCorners, qualityLevel, minDistance)
參數：
maxCorners：最多檢測的角點數量（若角點數量超過，按響應值降序篩選）。
qualityLevel：角點質量閾值（0~1，值越小保留的角點越多，通常取 0.01~0.1）。
minDistance：角點之間的最小像素距離（避免密集角點）。
輸出：角點坐標數組（形狀為 (N, 1, 2)，N 為角點數量）。

2、代碼示例

import cv2
import numpy as npimg = cv2.imread('building.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# Shi-Tomasi角點檢測
corners = cv2.goodFeaturesToTrack(gray, maxCorners=100, qualityLevel=0.01, minDistance=10)
corners = np.int0(corners)  # 轉換為整數坐標# 繪制角點
for corner in corners:x, y = corner.ravel()cv2.circle(img, (x, y), 3, (0, 255, 0), -1)  # 綠色圓點標記cv2.imshow('Shi-Tomasi Corners', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

四、FAST 角點檢測（快速角點檢測）

1、參數解釋

fast = cv2.FastFeatureDetector_create(threshold=10, nonmaxSuppression=True)
corners = fast.detect(gray_img, None)
參數：
threshold：灰度差異閾值（值越小，檢測到的角點越多）。
nonmaxSuppression：是否啟用非極大值抑制（建議設為 True，避免密集角點）。
輸出：KeyPoint 對象列表，包含角點坐標、大小等信息。

2、代碼示例

import cv2img = cv2.imread('fast_corner.jpg', cv2.IMREAD_GRAYSCALE)# 創建FAST檢測器
fast = cv2.FastFeatureDetector_create(threshold=10, nonmaxSuppression=True)# 檢測角點
corners = fast.detect(img, None)# 繪制角點
img_color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
cv2.drawKeypoints(img_color, corners, img_color, color=(0, 255, 0), flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)cv2.imshow('FAST Corners', img_color)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

總結

角點檢測是計算機視覺中的一種特征檢測方法，用于尋找圖像中的角點或者具有角點特征的圖像區域。角點是指圖像中突然改變方向的點，即在其周圍的不同方向上都有較大的灰度變化。角點具有一些特殊性質，如旋轉不變性、尺度不變性和光照不變性等，因此在圖像處理和計算機視覺中具有廣泛的應用。