详细内容或原文请订阅后点击阅览
特征检测，第 3 部分：Harris 角点检测
寻找图像中信息最丰富的点特征检测后，第 3 部分：Harris 角点检测首先出现在《走向数据科学》上。
来源:走向数据科学特征检测是计算机视觉的一个领域，专注于使用工具来检测图像中感兴趣的区域。大多数特征检测算法的一个重要方面是它们在底层不采用机器学习，这使得结果更容易解释，在某些情况下甚至更快。
在本系列的前两篇文章中，我们研究了用于检测图像边缘的最流行的算子：Sobel、Scharr、Laplacian，以及用于图像平滑的高斯算子。以某种形式，这些算子使用了由卷积核表示的底层图像导数和梯度。
与边缘一样，在图像分析中，经常探索另一种类型的局部区域：角点。角比边缘更少出现，通常表示对象边界方向的变化或一个对象的结束和另一个对象的开始。角落很难找到，但它们提供了更有价值的信息。
示例
假设您正在收集一个 2D 拼图。大多数人一开始所做的就是找到一块图像部分包含对象边界（边缘）的图像。为什么？因为通过这种方式，更容易识别相邻的块，因为共享相似对象边缘的块的数量是最少的。
我们可以更进一步，重点关注的不是边缘而是角点——对象改变其边缘方向的区域。这些碎片比边缘更加罕见，并且由于其独特的形式，可以更轻松地搜索其他相邻碎片。
例如，在下面的拼图中，有 6 个边（B2、B3、B4、D2、D3 和 D4），而只有 1 个角（C5）。通过从一开始就选取角点，就可以更轻松地定位其位置，因为它比边缘更稀有。
本文的目标是了解如何检测角点。为此，我们将了解 Harris 角点检测算法的详细信息，这是 1988 年开发的最简单且流行的方法之一。