【CV系列】图像算法之二：特征提取算法系列之Harris

最新推荐文章于 2025-09-12 23:27:21 发布
原创 最新推荐文章于 2025-09-12 23:27:21 发布 · 8.8k 阅读 · 9
标签
#图像算法 #特征提取算法 #Harris
本文详细介绍了Harris角点检测算子，包括其原理、改进点和优缺点。Harris算子通过计算像素点的自相关矩阵，使用特征值判断角点，具有计算简单和提取特征均匀等优点，但对尺度变化敏感。

DATE: 2020.10.16

文章目录

1、Harris算子介绍

该算子是C．Harris和M．J．Stephens在1988年提出的一种点特征提取算子。这种算子受信号处理中自相关函数的启发，可以给出图像中某一像素点的自相关矩阵肘，其特征值是自相关函数的一阶曲率，如果X，Y两个方向上的曲率值都高，那么就认为该点是角点。

Harris[2]角点检测算子是Moravec角点检测算子的改进.

（1）算子用高斯函数代替二值窗口函数,对离中心点越近的像素赋于越大的权重，以减少噪声影响。

这里写图片描述

                    图1-3高斯函数

(2)Moravec算子只考虑了每隔45度方向，Harris算子用Taylor展开去近似任意方向。

写成矩阵形式: :

这里写图片描述式子（1-2）

这里写图片描述 式子（1-3）
式中，Ix为x方向的差分，Iy为y方向的差分，w(x,y)为高

了解本专栏 订阅专栏 解锁全文
基于Harris角点检测算法的特征提取
CyberSparkZ的博客
08-15 192
Harris角点检测是一种常用的图像特征提取方法，通过寻找图像中的关键点，可以用于图像匹配、目标跟踪和三维重建等计算机视觉任务。本文将介绍Harris角点检测算法的原理，并提供相应的源代码实现。通过结构相似度矩阵计算角点响应函数R，该函数可以衡量每个像素点是否是角点。为了避免在边缘地带产生过多的角点，可以对角点响应函数进行非极大值抑制，只保留局部最大值。其中，det(M)表示M的行列式，trace(M)表示M的迹，k为经验参数。其中，w是窗口函数（例如高斯窗口），Ix和Iy是梯度图像中对应位置的梯度。
机器学习---特征提取
weixin_43961909的博客
01-18 2253
窗口函数可以是正常的矩形窗口也可以是对每一个像素给予不同权重的高斯窗口，角点检测中要使。他把这个简单的想法转换成了数学形式。将窗口向各个方向移动（这就是说必须使方程右侧的第二项的取值最大。对上面的等式进行泰勒级数展开然后再通过几步数学。之后，根据一个等式对窗口是否。：向任何方向移动变化都。）然后计算所有差异的。
基于Harris角点特征提取结合NCC算法实现遥感图像配准融合算法研究附Matlab代码
m0_60703264的博客
11-11 168
图像配准是遥感图像处理中非常重要的一环，它可以帮助我们将不同时间、不同角度或不同传感器获取的遥感图像进行精确的配准，从而实现图像的融合和比较分析。在本文中，我们将介绍基于Harris角点特征提取结合NCC（归一化互相关）算法实现遥感图像配准融合的算法流程。Harris角点特征提取是一种常用的图像特征点提取方法，它可以帮助我们在图像中找到角点，这些角点通常是图像中的显著特征点，对于图像配准非常有用。接着，我们将介绍如何利用Harris角点特征提取方法在遥感图像中提取特征点，并对其进行描述和匹配。
Harris角点检测原理详解
Rolandxxx的博客
08-21 5119
如果是平坦区域，那么像素点的梯度所构成的点集比较集中在原点附近，因为窗口区域内的像素点的梯度幅值非常小，此时矩阵M的对角化的两个特征值比较小；如果是边缘区域，在计算像素点的x、y方向上的梯度时，边缘上的像素点的某个方向的梯度幅值变化比较明显，另一个方向上的梯度幅值变化较弱，其余部分的点都还是集中原点附近，这样M对角化后的两个特征值理论应该是一个比较大，一个比较小，当然对于边缘这种情况，可能是呈45°的边缘，致使计算出的特征值并不是都特别的大，总之跟含有角点的窗口的分布情况还是不同的。
【仔细理解】计算机视觉基础1——特征提取之Harris角点
Liverwhles
02-23 3686
补一补CV基础！
Harris 角点检测原理及实现
huhu123444的博客
07-17 5989
1. 图像中角点定义 沿各个方向，图像灰度均发生变化； 2.Harris原理 Harris中也是根据角点定义经角点定义，Harris中使用该像素点周围像素块和其周围的其它像素块的相关性刻画角点，相关性用平方差之和进行计算(SSD)，SSD越大，相关性差，中心像素点越有可能成为角点。其数学表达形式为： Where Q 是矩阵M的特征向量组成的正交矩阵，向量左乘正交矩阵相当于旋转了一定角度，但是大小保持不变。 在x轴和y轴梯度均增大的点就是梯度点，为了方便,设置相应函数，相应函数的设计原理如下图所示： 图(
OpenCV学习笔记（八）——Harris角度特征从原理到实现详解
行歌
04-16 7146
前言：       在图像中角点是一个重要的局部特征，它决定了图像中关键区域的形状，体现了图像中重要的特征信息，所以在目标识别、图像匹配、图像重构方面角点具有十分重要的意义。 图像中角点的数量远比总像素数小，如果通过角点就能完成一些功能的话，将极大地提高处理效率。 对角点的定义一般分为以下三种：图像边界曲线上具有极大曲率值的点；图像中梯度值和梯度变化率都很高的点；图像边界方向变化不连续的点。 定义...
Harris角点特征提取和角点特征匹配（1）
QWER306306的博客
03-29 4378
本文采用Harris角点的方法来进行特征提取和特征匹配两大部分： 1.Harris角点特征提取：分为函数法和机理法（手工复现法） 2.Harris角点特征匹配：先让两张图片进行特征提取，再将图一 import numpy as np import cv2 import math from numpy import * import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from PIL import Image
特征提取与匹配_harris角点检测
DARLINGB的博客
11-18 1646
Harrisj角点检测
基于Harris的特征检测与匹配
wanjinchang的博客
10-29 9894
一.特征检测（提取）         基于特征的图像配准方法是图像配准中最常见的方法之一。它不是直接利用图像像素值，二十通过像素值导出的符号特征（如特征点、特征线、特征区域）来实现图像配准，因此可以克服利用灰度信息进行图像配准的缺点，主要体现在以下三个方面：（1）利用特征点而不是图像灰度信息，大大减少了在匹配过程中的计算量；（2）特征点的匹配度量值相对位置变化比较敏感，可以提高匹配的精度；（3）
《Deeplearning with python》读书笔记-第二部分 深度学习实践——计算机视觉CV、特征提取、卷积网络可视化
大白的博客
06-15 689
深度学习用于计算机视觉 卷积神经网络 下列代码将会展示一个简单的卷积神经网络。它是 Conv2D 层和 MaxPooling2D 层的堆叠。 用model.summary()查看神经网络的结构 再添加分类器，展平用Flatten（），全连接层和一个激活函数为不变函数的输出层 最终的训练结果相比之前的密集连接网络精度更高了。 密集连接层和卷积层的根本区别在于，Dense 层从输入特征空间中学到的是全局模式（比如对于 MNIST 数字，全局模式就是涉及所有像素的模式），而卷积层学到的
OpenCV图像特征提取学习一，Harris图像角点检测算法
weixin_44651073的博客
09-12 3355
Harris图像角点检测cornerHarris（）
Harris角点检测原理与流程
春有百花秋有月，夏有凉风冬有雪！
09-08 1891
角点是图像很重要的特征,对图像图形的理解和分析有很重要的作用。角点在保留图像图形重要特征的同时,可以有效地减少信息的数据量,使其信息的含量很高,有效地提高了计算的速度,有利于图像的可靠匹配,使得实时处理成为可能。角点在三维场景重建运动估计，目标跟踪、目标识别、图像配准与匹配等计算机视觉领域起着非常重要的作用。
数字图像处理【14】特征检测——Harris角点检测
vx number：zzr_admin，拉入技术交流群。
08-21 2187
在上一篇文章已经介绍了opencv特征检测中的一些必要的概念，介绍了什么是特征，什么是角点，这些角点特征可以做什么。今天来看看对于我们人来说很容易就识别到角点特征，对于计算机来说是如何识别的，具体的步嘴原理是怎样的。
计算机视觉（Harris角点检测、SIFT特征提取、地理特征匹配）
QYJ_WORKHARDING的博客
03-24 5807
1、Harris角点检测 2、SIFT特征提取 3、地理特征匹配
OpenCV：特征提取
最新发布
2201_75607087的博客
09-12 1432
图像特征是图像中具有独特性、可区分性的 “关键信息”，能够反映图像局部或全局的本质属性。局部特征：如角点、边缘、纹理，聚焦图像局部区域的灰度变化或结构信息，适用于目标匹配、姿态估计等场景；全局特征：如直方图、图像矩，描述整幅图像的统计属性，常用于图像检索、风格分类；深度学习特征：通过 CNN 网络自动学习的抽象特征，如 CNN 的卷积层输出，适用于复杂场景的图像识别。在传统计算机视觉中，局部特征因具备尺度不变性（对图像缩放不敏感）、旋转不变性（对图像旋转不敏感）和光照鲁棒性。
【CV】Harris角点检测算法-点特征提取
LJF159的博客
06-23 1772
@TOC目录 【写在前面】第一次写博客，第一次用Markdown，第一次学CV，这篇写的还是比较艰难地，所以有问题欢迎批评指正！ 1. 理论部分 1.1 角点 用一个滑动的窗口在图像内移动，分别会出现以下三种情况（如图1所示）： 平坦区域（左图）：当窗口向任意方向移动时，窗口内的像素值不会发生太大变化； 边缘（中图）：当窗口沿着平行于边缘的方向移动时，窗口内的像素值不会发生太大变化； 角点（右图）：不管窗口向着哪个方向移动，窗口内的像素值都会发生很大的改变。 图1. 角点的识别 图像梯度 图像的梯度，指
04图像特征提取：hough变换、harris角点、sift算子、orb算子
分手快乐
01-18 2312
特征描述 简单描述 一般性描述 不变矩 直线检测(Hough变换) 参数空间变换 空间划分网格统计 openCV实现 Harris算子 定义和基本原理 角点函数的意义 openCV函数 SIFT算法 尺度空间极值检测 关键点定位 方向确定 关键点描述 ORB算法 OFAST提取特征点 rBRIEF特征描述
harries算子特征提取与图像匹配
qq_41581307的博客
12-09 1991
图像处理过程中经常要遇到图像匹配的问题，通过灰度相关法可以解决比较简单的平移、旋转、亮度差异匹配的问题，当平移角度过大，灰度差异过大、旋转角度较大时，灰度相关法会变得比较麻烦，采用角点匹配的方法能取得不错的成果，常用的右sift和suft，这里我们介绍一种比较简单的角点检测方法harris ，对harris原理上的东西不多讲，主要谈一下图像匹配的过程。 一、Harris角点检测 注意点1，非极大值...
【MQ笔记】Harris角点检测1：算法详解
M&Q的博客
09-19 3280
目录 什么是角点？ Harris角点检测算法 Harris角点的性质 什么是角点？ 正如我们描述一个物体，需要点明颜色、形状、材质等“关键词”一样，当我们处理图片的时候，也要着重关注能反映或描述图像本质的“特征（feature）”。这里的特征包括全局特征（直方图、方差）和局部特征（角点、边缘点）等。 角点检测（Corner Detection）是计算机视觉系统中用来获得图像特征的一种...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

飞翔的鲲

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值