【正文】 趣點。因此對于不同對比度和噪聲情況的圖像，應取不同的 t 值 。模板也不宜取得太大，否則會增大運算量大，通?？扇?5 5 或 37 象素模板 [1]。因此，非常適于含噪圖像或低對比度灰度圖像的邊緣檢測。 對于一幅圖像，角點和自相關函數(shù)的曲率特性有關。 角點檢測性質(zhì) 旋轉(zhuǎn)不變性：橢圓轉(zhuǎn)過一定角度但是其形狀保持不變（特征是保持不變） ； 對于圖像灰度的仿射變化具有部分的不變性 ； 對于圖像幾何尺度變化不具有不變性 ； 隨尺度變化， Harris 角點檢測的性能下降 。 該算法具有很好的抗燥能力和魯棒性。 9 第三章 角點檢測的理論基礎 常用角點檢測簡介 基于邊緣的角點檢測： 基于邊緣的方法先提取物體的邊緣信息并 以鏈碼形式表示，然后尋找具有最大曲率的點作為角點。特征提取在計算 機視覺、圖像處理和機器視覺中一直是一個重要方向，而角點作為圖像的一個重要特征，長期以來備受研究者關注，也取得了很多研究成果。 整個論文主要運用 Harris 和 SUSAN 兩種不同的算法，并 對 其 同一張圖像進行不同方法的角點檢測，實現(xiàn)被檢測的圖像，并比較其中的不同 ，然后得出檢測結(jié)果，再加以分析兩種檢測方法的優(yōu)缺點。角點對于攝像機標定，匹配和重建具有 非常重要的意義，角點檢測結(jié)果直接影響到標定，匹配和重建的精度。正確的識別圖像、音頻和視頻中的內(nèi)容是基于內(nèi)容的多媒體檢索的一個前提。而是反過來讓計算機來適應人的習慣和要求，以人所習慣的方式與人進行信息交換，也就是讓計算機具有視覺、聽覺、和說話的能力。在角點處，圖像窗口的偏移將造成自相關函數(shù)（圖像灰度的平均變化）的顯著變化。而角點又是圖像的一個重要局部特征，它決定了圖像中目標的形狀，因此在圖像匹配，目標描述與識別及運動估計，目標跟蹤等領域，角點提取都具有重要的意義。 關鍵詞 ： 角點，角點檢測， Harris 角點 2 ABSTRACT This paper studies the image of the corner detection methods in puter vision, machine vision and image processing general, feature extraction is an important direction. The corner is an important local feature image, which determines the shape of the target image, so the image matching, object description and recognition and motion estimation, target tracking and other fields, corner detection are of great significance. Corner of the information content is high, image processing can provide sufficient constraints to reduce the amount of putation greatly improve the processing speed. Corner detection is a basic image processing problems, lowlevel image processing is an important way. Corner detection is designed to match the efficiency of the matching depends on the number of corners。 圖像特征的獲取是順利進行攝像機標定和立體視覺研究的前提和基礎。角點時目標輪廓線上曲率的局部極大點， 5 對掌握目標的輪廓特征具有約 束的作用。由于圖像特征的重要性，所以早年在這個方向已經(jīng)取得了許多研究成果，學術(shù)界在最近十余年進行了研究，基于不同的出發(fā)點和思路取得了一系列成果，對于不同的問題北京它們都有各自的應用價值。 角點指 示了物體邊緣變化不連續(xù)的方向 。經(jīng)過三十多年的發(fā)展，產(chǎn)生了大量的角點檢測算法， 8 取得了很大的突破和進展，但這方面的研究仍一直在進行中，對存在的各種角點檢測算法做一個詳盡的綜述是非常必要的。這類算法速度快 , 實時性強 , 但定位精度不夠 , 還可能漏掉一些真實的角點 。 ???????????????444554554 11 第四章 Harris 角點檢測算法 算子特 征 Harris 算子是一種有效的點特征提取算子 ,其優(yōu)點總結(jié)起來有 : ① 計算簡單 :Harris 算子中只用到灰度的一階差分以及濾波 ,操作簡單。 arris 算子是一種簡單的點特征提取算子，這種算子 受信號處理中自相關函數(shù)的啟發(fā)，給出與自相關函數(shù)相聯(lián)系的矩陣 M。當 R(x,y)超過給定的閾值，則認為該點為圖像的角點。 SUSAN 算法 ： (1)算法描述 ； 對整幅圖像中的所有象素，用圓形模板進行掃描，比較模板內(nèi)每一象素與中心象素的灰度值，通過與給定的閥值比較，來判別該 象素是否屬于USAN 區(qū)域，如下式： C(r,r0 )=?????????trIrIiftrIrIif)()(0)()(100 (1) 式 (1)中 c(r， r0)為模板內(nèi)屬于 USAN 區(qū)域的象素的判別函數(shù)； I(r0)是模板中心象素 (核 )的灰度值； I(r)為模板內(nèi)其他任意象素的灰度值； t 是灰度差門限。 g 過大時，邊緣點附近的象素可能作為邊緣被提取出來，過小則會漏檢部分邊緣點。 18 基于 susan 檢測實現(xiàn)的圖片 圖 4（ susan 角點檢測） 圖 5（ susan 角點檢測） 19 圖 6（ susan 角點檢測） 檢測結(jié)果為： 優(yōu)點： 基于 susan的圖片實現(xiàn)是一種直接利用圖像灰度信息的檢測算法，能夠使檢測過程不依賴于前期分割結(jié)果。不需要取噪處理，原因是不用計算圖像的灰度導數(shù)。39。8 0 8。 fy = [2。 Ixy = Ix.*Iy。 Ixy = filter2(h,Ixy)。 R(i,j) = det(M)*(trace(M))^2。 R(i,j) R(i1,j1) amp。 R(i,j) R(i,j+1) amp。 end。 end。 susan角點檢測程序如下： thresholded_image = susan_threshold(image,threshold)。 close all。目前大多數(shù)方法都是基于邊緣的角點檢測方法 , 其中往往涉及到一些復雜的浮點運算和支持域的選擇 , 且檢測結(jié)果依賴于前期的區(qū)域分割。 昆明昆明理工大學信息工程與自動化學院， 2021 [2]王 渝， 王 剛， 梅 員。李老師和劉老師的鼓勵、關懷和精心指導，使我