【《角点检测的MATLAB实现分析案例》1800字】

角点检测的MATLAB实现分析案例目录TOC\o"1-3"\h\u5206角点检测的MATLAB实现分析案例 1265521.1Harris角点检测的MATLAB的实现 1182241.1.1Harris角点检测算法 1205061.2Harris角点检测实现步骤 2253021.2.1检测理论步骤 2306931.2.2主程序设计框图 340641.2.3部分程序设计框图 4178341.3研究方法 4249721.4Harris角点检测算法的优缺点 4293982.1实验结果 5312522.2结果分析 61.1Harris角点检测的MATLAB的实现1.1.1Harris角点检测算法对于一个带有图像的点i(x,y),当它的平移映射到一个点(x,y)时,自同构相似性的实际定义方式可以用自同性相关向量函数i的表示方式得出:

(3-1)

其中,w(x,y)函数是以一个带有点(x,y)的点为函数中心的窗口,w(x,y)为一个高斯加权法的函数,既然它们有时可以被我们通过使用一个高斯常数公式来将其代替,又有时我们也只能可以通过使用高斯加权法的函数公式来将其代替。

根据泰勒的近似展开,对于一个图像顶点i(x,y)在时间平移后的每个方向可以进行一阶近似:(3-2)在下列公式(2)中,、是一个图像i(x,y)的偏导数。这样,公式(1)就可以通过近似地表示形式为:(3-3)其中（3-4）

即是的来说一个位于图像的点i(x,y)在一个点(x,y)上的自旋项相关近似函数在其中和被平移后的点可以被二次近似并形成一个二次项相关函数:

(3-5)

根据二次项积分函数对每个特征值的综合计算以及分析方法,可以直接得到式(4)为其中的每个特征的取值。harriss在算法中我们需要给出的一个具体角点准确判断计算方法不仅仅不过是我们需要通过数据计算具体的一个角度及其特征响应值,而是通过根据计算某一个具体角度的响应值h和r来准确判定这个角度的点。(3-6)式中，detM为矩阵行列式；traceM为矩阵M的直迹；为经验常数，取值范围为0.04~0.06事实上，特征值隐含在detM和traceM中，因为：(3-7)1.2Harris角点检测实现步骤1.2.1检测理论步骤（1)求出I(x,y)在x、y方向上的的梯度、;（2)分别依次求出了在x、y两个不同方向上的应力梯度数和乘积;;（3)对、和进行高斯加权，从而产生A、B、C三个元素，如下：（4)求出每个像素的Harris响应值R，令小于阀值的响应值R为零；（3-8）(5)对图像中的三个邻域非极大值进行抑制,将局部的偏移点用一个极大值的点来表示[20]；(6)记录下角点在原图像中的位置，即图像角点所在位置。1.2.2主程序设计框图主程序主要包括图像输入、图像处理、计算角点响应值、角点判断、输出结果这五大部分，其流程如下图所示：图1.1主程序流程图1.2.3部分程序设计框图图1.2角点判断程序流程图在构造hessian矩阵后,输入一个角点的判定公式,要求矩阵r中的各个元素之间的值分别为大于0.01倍的最高值。1.3研究方法分析Harris和SUSAN两种不同的算法，提出基于多尺度点弦距离算法。

（2)并其同一张尺度图像对曲线进行了不同检测方法的输入角度和点尺度检测,通过分别计算三种不同的输入尺度下曲线边缘矩形轮廓的曲线和左右移动的正弦长之间的最大欧式夹角距离后就可以分别获得两种不同类型的曲线输入尺度图像。

(3)并比较其中的不同，然后得出检测结果。保持良好的评论可重复性和定位精准度,减少了图像上随机噪声和局部系列变化的影响。(4)加以分析两种检测方法的优缺点，进行实验并做出性能评价。通过这样的模拟实验我们可以快速取得一个最优的动态参数模型组合,提升了非对角点动态检查分析算法的工作效率。1.4Harris角点检测算法的优缺点总之，哈里斯角点检查算法的主要优点之一是：它计算简单，健壮且相对稳定。拐角去除工艺具有较高的可靠性和较强的抗干扰能力。它的缺点是：的定位功能很差，并且对拐角位置和温度的变化更敏感。没有定义阈值，高斯函数的方差和k的值。2实验结果及分析2.1实验结果首先选取一张JPG图做个例子，比如如图2.1所示：图2.1实验原图运用matlab软件进行编程,实现了角点检查的功能,验证了Harris算子在工业领域的应用。首先:将已经被参考的图像和等待匹配的图像中的各个角点全部进行检测计算出来,根据图像的显示可以得知,各个角点的数量繁多;其次:通过利用程序可以实现对角点进行筛选,剩余的是为数不多的一个角点,为接下来进行角点的匹配作好了铺垫,程序代码内容详见本文附录。matlab仿真后所显示的结果如图2.2、图2.3所示:图2.2Harris角点检测——显示所有角点图2.3Harris角点检测——筛选后的角点显示2.2结果分析综上所述这些结果,我们已经完全可以明显地清楚看到用一个harrisa的算子我们可以快速检测到并得到一个新的图像内部轮廓,其中这个图像轮廓的特征表现提取方式已经包括了对一个图像的内部边界、边缘点、角、拐或拐的弯点和其他图像纹理等多种特征提取。2.2图像就是将所有在等待参考中的图像和被等待对象匹配的参考图像中的三