基础入门

        兴趣点检测，也叫特征点检测，英文全称为Interest Point Detection，是在图像中定位具有独特性质的小区域的过程。这些区域通常包含丰富的结构信息，即使在图像发生旋转、缩放或光照变化时也能够被可靠地识别出来。这些独特的点被称为兴趣点，它们是计算机视觉和模式识别任务中的重要组成部分。

        兴趣点检测具有鲁棒性，即兴趣点在不同条件下（比如：视角变化、光照变化等）仍然可以被检测到。兴趣点检测技术可以应用于很多领域，包括：机器人导航、增强现实、医学影像分析等。兴趣点检测算法通常由两个主要部分组成：检测器和描述符。检测器用于在图像中定位兴趣点的位置，描述符用于描述每个兴趣点的特征，使得即使图像发生变化，也可以找到对应的点。

        常见的兴趣点检测算法有：角点检测、SIFT、SURF、ORB等。下面，我们分别进行介绍。

角点检测

        角点是兴趣点的一个特定类型，它们通常出现在两条边缘线交汇的地方。角点具有明显的局部变化，因此很容易被检测出来。Harris角点检测是一种经典的角点检测方法，它基于图像在角点位置上具有多个方向上的高梯度变化这一重要特性。Shi-Tomasi角点检测则是简化版的Harris角点检测，只考虑最大和次大特征值。

        OpenCV提供了多种角点检测的接口，

转载自CSDN-专业IT技术社区

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

原文链接：https://blog.csdn.net/hope_wisdom/article/details/142995866