设计了一种基于机器视觉软件MVTec HALCON与图像拼接技术的文物修复系统．该系统首先对图像进行去噪，分割等预处理，然后利用Harris算法进行角点检测提取特征点，接着检测出的角点经归一化互相关匹配后使用RANCAC算法剔除误匹配点实现初步拼接，最后用改进的加权融合方法进行图像融合并利用图像修复技术进行修复．针对采用的算法编制了相应的软件，并进行了拼接实验，结果表明该方法可以快速有效地对图像进行无缝拼接，精度高，可广泛应用到古字画等文物修复工作中。

特征点的选取是视觉研究的基础,其选取的精确度直接影响到视觉信息处理的准确性与可靠性。传统Harris角点检测方法具有计算简单、易于实现的优点,但该算法效率低下、检测精度较低、抗噪性差、存在角点簇。提出一种基于Sobel边缘检测的圆周Harris角点检测算法:首先采用Sobel边缘检测进行角点预筛选,本质上提高检测效率;随后采用圆周窗口模板对筛选后的角点进行非极大值抑制,减少漏检点与伪角点的个数;最后采用临近点剔除法,保留非极值最大点作为角点,解决角点簇问题。实验结果表明,文中角点检测算法运行效率得到了极大提高,减低漏检率的同时,旋转不变性亦得到了改善。

Harris[2]角点检测算子是Moravec角点检测算子的改进. (1) Harris算子用高斯函数代替二值窗口函数,对离中心点越近的像素赋于越大的权重，以减少噪声影响。 (2) Moravec算子只考虑了每隔45度方向，Harris算子用Taylor展开去近似任意方向。 (3)Harris采用了一种新的角点判定方法。矩阵M的两个特征向量l1和l2与矩阵M的主曲率成正比

采用Harris原理在matlab中实现角点检测并将角点坐标写入txt文档以便后续处理，另附处理图片

记录自己实现的Harris角点检测，注释详细，适合初学者

Harris角点的检测程序，由matlab实现，通过改变窗口的大小可以改变角点检测的精细程度

计算机视觉–Harris角点检测实现与分析（二）一、Harris角点检测1.1 基本原理1.2 数学表达二、代码实现三、结果与分析3.1 不同场景的R值讨论3.2 参数k对角点检测的影响四、总结 关于Harris角点检测的基本概念和不同场景下的检测结果分析已记录在上一篇博客中（点击查看）: 计算机视觉–Harris角点检测实现与分析（一）.本篇主要对Harris角点检测响应函数进行分析。 一、Harris角点检测 1.1 基本原理       人眼对角点的识别通常是在一个局部的小区域或小窗口完成的。如果在各个方向上移动这个特征的小窗口，窗口内区域的灰度发生了较大的变化，那么就认为在窗口内遇到了

使用Harris进行角点检测，并使用ZNCC进行匹配，可用于后续三维重建

harris角点检测算法，代码可以通过修改sigma, thresh, radius, disp的值控制角点数量。-harris corner detection algorithm, the code can be by modifying the sigma, thresh, radius, disp corner of the value of quantity control.

harris特征点 图像配准 对提取的harris角点采用算法进行图像的配准