一、 Harris角点检测算法概述

在计算机视觉领域，Harris角点检测算法是一种常用的图像处理手艺。它具有关键意义。

二、Harris角点检测算法原理

先说说需要计算图像在x和y方向的梯度值。常用的方法是用Sobel算子，对图像进行卷积运算，从而得到梯度值。接着，计算个个像素点的局部自相关矩阵，并值判断该像素点是角点、边缘还是平滑区域。

import numpy as np
window_size = k = ix2 = cv2.filter2D))
iy2 = cv2.filter2D))
ixy = cv2.filter2D))
det_M = ix2*iy2 - ixy**2
trace_M = ix2 + iy2
response = det_M - k*

非极巨大值抑制

数据处理后 兴许会得到很许多响应值巨大于0的点，这时候需要进行非极巨大值抑制，保留响应最巨大的一些点。

import matplotlib.pyplot as plt
from skimage.feature import peak_local_max
response = )/ - np.min)
corners = peak_local_max
plt.imshow
plt.plot
plt.show

三、 代码实现

完整的代码如下：

import cv2
img = cv2.imread
gray = cv2.cvtColor
dx = cv2.Sobel
dy = cv2.Sobel

计算局部自相关矩阵

接下来需要计算个个像素点的局部自相关矩阵，并局部自相关矩阵能确定图像中的角点位置。

1)先说说确定一个n×n巨大细小的影像窗口， 对窗口内的每一个像素点进行一阶差分运算，求得在x,y方向的梯度gx,gy; 2)对梯度值进行高大斯滤波，得到平滑后的梯度值; 3)计算局部自相关矩阵，并值判断像素点类型。

Harris角点检测算法是一种经典的计算机视觉算法。其基本上思想是图像中像素点的灰度变来变去来寻找角点。在图像的边缘和睦滑区域，像素点的灰度值变来变去不巨大，而在角点处，灰度值变来变去很巨大。所以呢，像素点的灰度变来变去能确定图像中角点的位置。

比如Harris角点检测算法个个像素点的灰度值的变来变去率来确定角点。值都很巨大， 那么这玩意儿像素点就被觉得是角点；如果一个很巨大一个很细小，那么该像素点就是边缘；如果两个特征值都很细小，那么该像素点就是平滑区域。