harris角点检测算法步骤(harris角点检测实验报告)

　　harris角点检测算法步骤(harris角点检测实验报告)，新营销网红网本栏目通过数据整理汇集了harris角点检测算法步骤(harris角点检测实验报告)相关信息，下面一起看看。

　　 Harris角点检测认为特征点存在局部差异。

　　如何描述“特征点有局部差异”；

　　以每个点为中心，取一个大小为55或77像素的窗口。

　　该窗口描述了该特征点周围的环境。

　　如果这个特征点有局部差异，那么把窗口以这个特征点为中心向360度任意方向移动，窗口变化很大，那么这个特征点的周围环境变化也很大。

　　数学公式

　　 (x，y):表示像素的位置。

　　 :表示窗口中的每个像素。

　　 W(x，y):表示这个位置的权重。

　　如果w=1，窗口中的所有像素贡献相同。

　　如果w被设置为以该特征点为中心的高斯分布，

　　高斯权重，表示离这个特征点越近，权重越大；你越分散，重量越小。

　　 I(x，y):表示(x，y)位置的像素值。如果是灰度图像，I是灰度值，如果是彩色图像，I是RGB值。

　　 u和v代表窗口移动的方向。

　　 I (x u，y v)-I(x，y):表示对应像素的灰度差。

　　 :求这个像素在整个窗口，也就是局部环境中灰度差的加权和。

　　对I (x u，y v)-I(x，y)进行一阶泰勒展开，得到

　　 (x，y)处的灰度值，加上U方向和V方向的偏导数。

　　整理后，结果如下

　　 u和V表示窗口移动的方向，H表示Harris矩阵，主要用图像梯度表示。

　　哈里斯矩阵的特征分解；

　　得到两个特征值

　　矩阵的两个特征值反映了相互垂直的两个方向上的变化。

　　一个是变化最快的方向，一个是变化最慢的方向。

　　 u和V设置在前面。这是两个向量，表示窗口移动的方向。以点(x，y)为中心，做360度旋转。

　　特征值

　　对应的特征向量决定了变化最快的方向和变化最慢的方向。其他方向的变化，介于两者之间。

　　通过对哈里斯矩阵的分析，得出以下结论

　　当哈里斯矩阵只有两个特征值时

　　当它们都很大的时候，特征点可以和周围的环境有很大的不同，是我们想要的特征点。

　　现在检测特征的任务是计算哈里斯矩阵，判断它的两个特征值。

　　的大小。

　　实际中，哈里斯角准则并不分解哈里斯矩阵求其特征值，因为计算量太大。取而代之的是使用哈里斯角准则。

　　 C=哈里斯矩阵的行列式值k(哈里斯矩阵的迹)2

　　哈里斯矩阵的行列式值哈里斯矩阵的特征值

　　的产品

　　哈里斯矩阵的迹哈里斯矩阵的特征值

　　和

　　 k值越小，探测器越灵敏。k值越小，可以检测到的特征点越多。只有当和获得最大值时，才能获得较大的值。避免了特征值分解，提高了检测计算效率。相关文章粤语歌网(经典粤语歌汇总)

　　北京奥特莱斯(来北京必去的12家商场)

　　英雄超级放肆(还记得英雄超级放肆吗？)

　　龚自珍资料(清代诗人龚自珍生平事迹简介)

　　象牙塔是什么意思？(“象牙塔”有什么不好？)

　　彩色风信子(水培风信子容易养)

　　京字怎么读？

　　于吉是哪里人？(古代著名美女于吉在哪里？)

　　三本事业单位(我们还有哪些“三本”？)

　　电子酒柜(酒柜最全指南)

　　德州景点(德州62个景点)

　　玉兰油官网(玉兰油发布高端精华系列)

　　更多harris角点检测算法步骤(harris角点检测实验报告)相关信息请关注本文章，本文仅仅做为展示！