图形处理中的局部特征提取。利用的是MATLAB

在摄像机自标定过程中，可根据Harris的检测算法提取对角点。该算法简单有效，非常稳定。在图像旋转、灰度、噪声影响和视点变换的条件下,与其他算子相比，是最稳定的一种点特征提取算子。为了获得亚像素级的角点坐标，需要引入迭代算法进行优化。试验证明该方法可大幅度提高摄像机的标定精度。

Matlab 视频采集 图像类型转换 角点检测（附：样本视频）

完整的sift角点提取算法，加详细注释，包括7个核心函数。直接运行do_sift即可。

有一篇关于harris角点检测在彩色图像中的应用论文，还有在matlab上实现的程序。

matlab匹配滤波代码basic_vision_corner_matching matlab for Harris角点匹配示例代码。 包括一个中值流过滤器，用于过滤掉错误的匹配项：Delaunay triangulaiton用于查找最近的邻居，任何匹配项都需要2个与其相似的支持匹配项才能被认为是一个很好的匹配项。 比RANSAC更有效。

针对传统核相关滤波器(KCF)无法处理严重遮挡及光照变化等问题, 提出一种结合快速角点检测与双向光流法的长期KCF跟踪算法。首先利用KCF跟踪器在目标位置上提取融合方向梯度直方图特征、颜色属性特征和灰度特征的多通道特征, 计算输出响应图并得到所跟踪目标的峰值旁瓣比(PSR), 然后通过比较PSR与经验阈值来判断目标是否被遮挡; 当目标出现遮挡时, 在快速角点检测的角点基础上利用双向光流法重新检测下一帧目标位置, 并采用一种新模板更新策略来应对严重遮挡。与其他算法进行对比实验, 验证了本文算法对处理遮挡和光照变化具有高效性及稳健性。

自然场景下的文本检测任务是图像处理领域中的难点之一. EAST (Efficient and Accurate Scene Text detector)算法是近年来比较出色的文本检测算法, 但是增加后置处理之后的AdvancedEAST算法仍存在由于激活像素的头尾边界丢失导致的漏检情况, 对密集文本的检测效果也不是很理想. 因此提出了Dilated-Corner Attention EAST (DCA_EAST)改进算法, 对网络结构加入空洞卷积模块以及角点注意力模块, 改善了漏检情况. 针对损失函数, 加入类别权重因子和样本难度权重因子, 有效提升了密集文本的检测效果. 实验结果表明, 该算法在ICDAR2019的ReCTS数据集上准确率为93.02%, 召回率为76.69%, F-measured值为84.07%, 优于AdvancedEAST算法.

在opencv基础上运用到harris 角点检测 原理，对图像的角点进行检测，里面包括调用opencv中的角点检测和自己写的函数，里面有简单的注释。

文章目录1. 角点检测Harris角点检测Shi-Tomasi角点检测2.特征匹配KNNORB3. 图片拼接4.图像插值 1. 角点检测 Harris角点检测 import cv2 import numpy as np from matplotlib import pyplot as plt img=cv2.imread('timg.jpg') #原图为彩色图，可将第二个参数变为0，为灰度图 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # 输入图像必须是float32， 最后一个参数[0.04,0.06] gray = np.float32(gra