特征點檢測與匹配在計算機視覺中的作用至關重要，它為圖像處理、物體識別、增強現實等領域提供了堅實的基礎。

目錄

Harris角點檢測

SIFT（尺度不變特征變換）

SURF（加速穩健特征）

ORB（Oriented FAST and Rotated BRIEF）

總結

---

特征點檢測與匹配是計算機視覺中的一項基本任務，廣泛應用于圖像拼接、3D重建、目標識別等領域。在MATLAB中，可以使用各種算法進行特征點檢測和匹配，比如Harris角點檢測、SIFT（尺度不變特征變換）、SURF（加速穩健特征）和ORB（Oriented FAST and Rotated BRIEF）等。

Harris角點檢測

Harris角點檢測是一種經典的圖像特征點檢測方法，主要用于檢測圖像中的角點（即局部區域內灰度變化較大的點），廣泛應用于圖像對齊、拼接、運動估計等任務。

Harris角點檢測算法原理：

Harris角點檢測算法基于圖像梯度信息，計算每個像素點的自相關矩陣（Hessian矩陣）來衡量其是否為角點。該方法的關鍵步驟包括：

1. 圖像梯度計算：計算圖像在水平和垂直方向上的梯度。
2. 構造自相關矩陣：每個像素的自相關矩陣由梯度信息構成，用來衡量該點是否為角點。
3. 角點響應函數：使用Harris響應函數來確定角點的位置。
4. 非極大值抑制：在圖像中選擇最大響應值的點作為角點。

Harris角點響應函數：

Harris響應函數 R 是通過以下公式計算的：

MATLAB中的Harris角點檢測：

MATLAB提供了一個內置的detectHarrisFeatures函數，可以直接用于檢測Harris角點。

% 讀取圖像
img = imread('01.png');% 轉換為灰度圖像
grayImg = rgb2gray(img);% 使用Harris角點檢測
points = detectHarrisFeatures(grayImg);% 顯示檢測到的角點
figure;
imshow(grayImg);
hold on;
plot(points.selectStrongest(500)); % 顯示前50個最強角點
title('Harris角點檢測結果');% 保存標記角點后的圖像到本地
saveas(gcf, 'Harris_Corner_Detection_Result.png');

結果分析：

• 角點的質量：Harris角點檢測的一個重要特性是可以計算角點的質量值（響應值）。這些值越大，表示角點的穩定性和可靠性越高。
• 應用場景：Harris角點通常用于圖像的配準、拼接、三維重建等任務，特別是在圖像變化較小或僅發生輕微變形時，角點具有較好的魯棒性。

SIFT（尺度不變特征變換）

SIFT（尺度不變特征變換）

SIFT（尺度不變特征變換，Scale-Invariant Feature Transform）是一種廣泛應用于計算機視覺領域的特征檢測和描述算法，旨在提取圖像中的不變特征，以便在不同尺度、旋轉、光照條件下進行匹配和識別。SIFT能夠從圖像中檢測出對尺度變化、旋轉和光照變化具有不變性的局部特征點，并生成描述符。

SIFT算法的步驟：

1. 尺度空間極值檢測：通過對圖像應用不同尺度的高斯模糊，創建尺度空間。然后在尺度空間中查找極值點，作為潛在的特征點。
2. 關鍵點定位：進一步精確定位特征點的位置，剔除低對比度和邊緣響應較弱的點。
3. 方向賦值：為每個特征點分配一個或多個主方向，使得特征點對于旋轉不變。
4. 特征描述符生成：根據特征點的局部鄰域生成描述符，這些描述符能夠在不同圖像之間進行匹配。

% 讀取圖像
img = imread('01.png');% 轉換為灰度圖像（如果原圖是彩色圖）
grayImg = rgb2gray(img);% 檢測圖像中的SIFT特征點
points = detectSIFTFeatures(grayImg);% 提取特征描述符
[features1, validPoints] = extractFeatures(grayImg, points);% 顯示檢測到的SIFT特征點
figure;
imshow(img);
hold on;
plot(validPoints.selectStrongest(50), 'showOrientation', true); % 顯示前50個最強的SIFT特征點
title('SIFT 特征點檢測');
% 保存圖像到本地
saveas(gcf, 'SIFT_Corner_Detection_Result.png');  % 保存為PNG格式

代碼解釋：

1. 讀取和預處理圖像：

   • img = imread('01.png'); 讀取圖像。
   • grayImg = rgb2gray(img); 將圖像轉換為灰度圖。

2. SIFT特征點檢測：

   • points = detectSIFTFeatures(grayImg); 檢測圖像中的SIFT特征點。

3. 提取特征描述符：

   • [features1, validPoints] = extractFeatures(grayImg, points);