机器视觉OpenCV：特征的提取-1

一、角点特征

在计算机视觉中，角点（或称为兴趣点）是图像中的一个重要特征。角点通常出现在物体的边界、纹理变化较大的地方或者不同表面的交界处。这些点具有良好的稳定性和可重复性，因此在图像匹配、目标跟踪、三维重建等领域有广泛的应用。

1、什么是角点

角点是图像中局部区域内的灰度值变化显著的点。具体来说，如果在一个小区域内，无论你朝哪个方向移动一小段距离，灰度值都有显著的变化，那么这个点就是一个角点。

2、常见的角点检测算法

【1】Harris角点检测：通过计算每个像素点的自相关矩阵来判断该点是否为角点。

【2】Shi-Tomasi角点检测：是对Harris角点检测的一种改进，选择最小的特征值作为角点响应函数。

【3】FAST角点检测：快速特征点检测，适用于实时应用。

【4】ORB（Oriented FAST and Rotated BRIEF）：结合了FAST和BRIEF的优点，用于快速特征点检测和描述。

3、例子

假设你有一张照片，照片中有一个立方体。立方体的每个顶点处，由于三个面的交界，形成了明显的灰度变化。这些顶点就是角点。如果我们用计算机视觉的方法来检测这些角点，可以帮助我们识别和跟踪立方体的位置和姿态。

Python实现：

【1】读取图像：使用`cv2.imread`读取图像，并将其转换为灰度图像。

【2】Harris角点检测：使用`cv2.cornerHarris`函数进行角点检测。参数`blockSize`、`ksize`和`k`分别表示邻域大小、Sobel算子的大小

     和Harris角点检测的自由参数。

【3】膨胀处理：使用`cv2.dilate`对检测结果进行膨胀处理，使角点更加明显。

【4】设置阈值：将大于阈值的点标记为角点。

【5】显示结果：使用`matplotlib`库显示原图和角点检测结果。

'''

import cv2

import numpy as np

import matplotlib.pyplot as plt

import os

import matplotlib as mpl

# 设置Matplotlib的字体为SimHei，显示中文

mpl.rcParams['font.sans-serif'] = ['SimHei']  # 用黑体显示中文

mpl.rcParams['axes.unicode_minus'] = False  # 正常显示负号

# 读取图像

image = cv2.imread('data/jiaodian.jpg', cv2.IMREAD_GRAYSCALE)

# 确保图像已正确加载

if image is None: