基于FPGA实现了一种自适应阈值Harris角点检测，用于解决低成本ARM处理器无法实时检测到目标角点的问题。该算法首先对整帧像素点进行预筛选，将筛选通过的点进行Harris角点检测，通过设置容忍距离剔除伪角点，得到最终角点并通过LCD屏实时显示。采用自适应阈值方法来解决单一阈值不适应于多样化环境的问题，使每帧（分辨率为480×272）都能检测到大约120个角点，在低成本FPGA芯片Spartan6 XC6SLX45上验证实现。实验结果表明，该实现方法处理速度为115 f/s，能高效准确地检测到目标角点，满足精度、稳定性和实时性要求。

针对Harris角点检测算法计算量大导致实时性差的难题，提出了一种基于FPGA的快速Harris角点检测技术。利用FPGA并行处理的特点，将整幅图像分为两块后并行处理，对其中分解得到的每一块图像采用流水线处理，并将流水线结构分为导数生成器、高斯滤波、角点响应R值计算、非极大值抑制四级，且对流水线每一级中涉及到的复杂乘法运算转换为精简的移位及加法或减法运算，最终实现对目标的实时角点检测。实验结果表明，对于分辨率为1 024×1 024的图像，达到了每帧6.809 ms的角点提取速度，与基于FPGA传统结构的Harris角点检测算法相比，速度提高了近一倍，极大提升了算法的实时性，具有较强的工程实用价值。

Harris角点检测的FPGA快速实现方法

完整代码，可直接运行

harris角点检测 matlab版本，一共2个文件，都可以运行的，别忘了自己测试的时候修改一下图像的路径和名字

文章目录1、Harris角点检测1.1 基本概念1.2 数学表达2、实现与测试2.1 代码2.2 运行结果2.3 参数变化2.3.1 其他不变，改变k（此时sigma=3）2.3.2 其他不变，改变sigma（k=0.04） 1、Harris角点检测 1.1 基本概念 角点：窗口向任意方向的移动都导致图像灰度的明显变化。 1.2 数学表达 将图像窗口平移[u,v]产生灰度变化E(u,v)： 那么，如何求解平移后的图像灰度I(x+u,y+v)，以及灰度变化E(u,v)呢？ 将I(x+u, y+v)函数在(x, y)处泰勒展开，得： 则可求得灰度变化: 于是对于局部微小的移动量 [u,v

针对现阶段实现瞳孔精确定位算法过于繁琐的问题，提出一种由粗略到精确的瞳孔精确定位算法。首先用灰度积分算法粗略找出人眼部位在人脸上的大概位置，然后用Hough变换定位出人眼瞳孔中心的精确位置，接着用Harris角点检测算法对眼角点进行定位，最后通过瞳孔与眼角点的相互坐标定位出人眼瞳孔的精确位置。通过matlab对所提算法进行检验，证明了该算法是一种实现简单、定位精确的算法。

环境 pip install opencv-python==3.4.2.16 pip install opencv-contrib-python==3.4.2.16 理论 克里斯·哈里斯（Chris Harris）和迈克·史蒂芬斯（Mike Stephens）在1988年的论文《组合式拐角和边缘检测器》中做了一次尝试找到这些拐角的尝试，所以现在将其称为哈里斯拐角检测器。 函数：cv2.cornerHarris（），cv2.cornerSubPix（） 示例代码 import cv2 import numpy as np filename = 'molecule.png' img = cv2

基于MATLAB的Harris角点检测并精确到亚像素，有六张测试图片，两个harris角点检测matlab程序，一个harris角点精确到亚像素的文档。

自己用matlab编写的Harris角点检测的源代码，并根据附近点的关系把角点位置精确到亚像素级，内附详细说明文档。