harris和eigenvalue角点检测算法
时间: 2023-11-25 13:50:01 浏览: 30
以下是Harris角点检测算法和Eigenvalue角点检测算法的介绍:
1. Harris角点检测算法
Harris角点检测算法是一种常用的角点检测算法,它通过计算图像中每个像素点的响应函数来检测角点。该算法的基本思想是:对于一个窗口内的像素点,如果它在不同方向上移动一个很小的距离,其灰度值的变化都很大,那么这个像素点就是一个角点。Harris角点检测算法的响应函数R的计算公式如下:
R = det(M) - k * (trace(M))^2
其中,M是一个2x2的矩阵,表示窗口内像素点的梯度信息,k是一个常数,一般取值为0.04~0.06。当R的值很大时,表示该像素点是一个角点;当R的值很小时,表示该像素点是一个边缘点;当R的值为负数时,表示该像素点是一个平坦区域。
2. Eigenvalue角点检测算法
Eigenvalue角点检测算法是一种基于图像局部结构的角点检测算法,它通过计算图像中每个像素点的结构张量的特征值来检测角点。该算法的基本思想是:对于一个窗口内的像素点,如果它在某个方向上的梯度变化很大,而在另一个方向上的梯度变化很小,那么这个像素点就是一个角点。Eigenvalue角点检测算法的结构张量T的计算公式如下:
T = [∑(∂Ix)^2 ∑∂Ix∂Iy]
[∑∂Ix∂Iy ∑(∂Iy)^2]
其中,Ix和Iy分别表示像素点在x和y方向上的梯度,∂表示偏导数。计算出结构张量T后,可以通过求解其特征值来判断像素点的类型。当特征值中的较小值很小时,表示该像素点是一个角点;当特征值中的较小值很大时,表示该像素点是一个边缘点;当特征值中的较小值和较大值都很小时,表示该像素点是一个平坦区域。