图像角点检测（Python版）

图像角点检测

一．对于角点的定义存在多种描述方式：

（1）、灰度梯度的一阶导数在局部区域内的最大值所对应的像素位置；

（2）、两条或以上边缘线交汇形成的交点；

（3）、图像中梯度数值及其方向变化速度均较高的区域；

（4）、在角点位置，一阶导数达到峰值，而二阶导数为零，表明物体边缘的变化具有不连续性。

二．近年来提出的角点检测方法大多基于灰度图像进行分析。主要可以划分为三类：

（1）以边缘特征为基础的角点检测方法。该方法通常包括三个步骤：首先对图像进行初步分割；其次对分割后的边界轮廓点进行顺序编码，生成边缘轮廓链码；最后依据所得链码对图像中的角点进行识别与描述。Wallg和Braday提出了一种基于表面曲率的角点检测技术。为增强检测结果的稳定性，该方法首先将图像与高斯滤波器进行卷积运算，随后计算整个图像表面曲率值，并将曲率超过特定阈值且为局部极大值的像素视为潜在角点。

（2）采用模板匹配方式实现的角点检测方法。通常情况下，首先构建一组具有不同角度特征的模板模型，然后在一定窗口范围内比较待测图像与标准模板之间的相似程度，从而识别出可能存在的角点。这类方法主要依赖于像素邻域内的亮度变化情况，并通过比较相邻像素亮度差异来判断是否存在显著变化的区域作为候选角点。具体操作上需要先设计一系列标准模板，并计算这些模板与所有子窗口之间的相似性指标，进而判断子窗口中心是否为有效角点。