角点检测特征提取
综述
- corner point：角点，邻域各方向上灰度变化值足够高的点， 是图像边缘曲线上曲率极大值的点
分类
基于灰度图像的角点检测
- 基于梯度：计算边缘曲率判断角点
- 基于模板：考虑像素邻域点的灰度变化，将领域点亮度对比 足够大的点定义为角点
- 基于模板、梯度组合
基于二值图像的角点检测：将二值图像作为单独的检测目标， 可使用各种基于灰度图像的角点检测方法
基于轮廓曲线的角点检测：通过角点强度、曲线曲率提取角点
思想、步骤
使用角点检测算子，对图像每个像素计算 cornner response function值
- $w(x,y)$：window function，窗口函数
- $I(x,y)$：图像梯度
- $E(x,y)$：角点响应函数，体现灰度变化剧烈程度，变化 程度剧烈则窗口中心就是角点
阈值化角点响应函数值
- 根据实际情况选择阈值$T$
- 小于阈值$T$者设置为0
在窗口范围内对角点响应函数值进行非极大值抑制
- 窗口内非响应函数值极大像素点置0
获取非零点作为角点
Moravec
todo
步骤
取偏移量$(\Delta x, \Delta y)$为 $(1,0), (1,1), (0,1), (-1,1)$，分别计算每个像素点灰度 变化
对每个像素点(x_i, y_i)$计算角点响应函数 $R(x) = min {E}$
设定阈值$T$，小于阈值者置0
进行非极大值抑制，选择非0点作为角点检测结果
特点
- 二值窗口函数：角点响应函数不够光滑
- 只在4个方向（偏移量）上计算灰度值变化：角点响应函数会在 多处都有较大响应值
- 对每个点只考虑响应函数值最小值：算法对边缘敏感
Harris
Good Features to Track
Feature from Accelerated Segment Test
FAST：加速分割测试获得特征