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。

特征检测和特征匹配方法介绍，包括Harris角点，FAST角点，SIFT算法、SURF算法等的介绍以及各个算法之间的比较和总结

完整代码，可直接运行

实现对图像的角点检测，编写Python程序能够对输入图像进行角点检测 适用于学习计算机视觉入门知识的同学，本次代码能够对输入的test.jpg图像进行角点检测，还实现了不同检测方法的选择，包含调用opencv的方法与直接代码实现，

harris角点检测，python实现，基于opencv实现，非极大值抑制

针对Harris算法在图像处理过程中特征点提取实时性和抗噪能力较差、计算量大的问题,提出一种结合像素点灰度差的Harris角点检测算法。将被检测点与半径为3的邻近圆周上16个像素点作对比,以此计算非相似像素点的个数来确定候选角点,通过Harris角点响应函数提取角点,并结合SUSAN算法的思想去除伪角点。实验结果表明,改进算法提高了原算法的实时性,增加了角点提取的数量,并且能有效去除大多数伪角点,提高图像角点检测的速度和正确性。

深度学习机器学习图像处理的matlab源代码--基于 Harris 的角点特征检测应用案例研究

​ 计算显示Harris特征点 % 通过改变变量max_n和min_n改变特征点数范围 首先，需要算法来确定合适的数学模型，将一幅图像中的像素坐标与另一幅图像中的像素坐标关联起来。 其次，算法需要确定与各种图像相关的正确配准。可以使用点到点（pixel-to-pixel）的直接比较与梯度下降相结合的算法估计这些参数（配准）。 找到每幅图像中不同的特征，进行有效匹配，以便在图像对之间快速建立对应关系。当一个全景图中存在多个图像时，使用现有技术计算全局一致性的配准集，并找出图像重叠的部分。 ———————————————— 版权声明：本文为CSDN博主「人工智能专属驿站」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/m0_68894275/article/details/125138398 已经阐述了一个 检测的算法 基于Matlab的图像拼接系统研究 ，采取GUI的形式_人工智能专属驿站的博客-CSDN博客 图  原始待匹配的图像    图像 焦点检测和匹配的结果   ​

视频演示：http://www.bilibili996.com/Course?id=3533622000223

Harris角点检测算法讲义.ppt