检测兴趣点

基于特征的图像配准方法是图像配准中最常见的方法之一。它不是直接利用图像像素值，二十通过像素值导出的符号特征（如特征点、特征线、特征区域）来实现图像配准，因此可以克服利用灰度信息进行图像配准的缺点，主要体现在以下三个方面：（1）利用特征点而不是图像灰度信息，大大减少了在匹配过程中的计算量；（2）特征点的匹配度量值相对位置变化比较敏感，可以提高匹配的精度；（3）特征点的提取过程可以减少噪声的影响，对灰度变化、图像形变以及遮挡等都有较好的适应能力。

       一类重要的点特征：角点（corner points），其定义主要有以下：

 

 

 局部窗口沿各方向移动，灰度均产生明显变化的点      
图像局部曲率突变的点
典型的角点检测算法：Harris角点检测、CSS角点检测
Harris角点检测基本思想
从图像局部的小窗口观察图像特征，角点定义：窗口向任意方向的移动都导致图像灰度的明显变化（如下图）

harris特征描述（先找到角点强度图，再找尺寸）

　　cornerharris(image,//必须为8位单通道或32位单通道

　　　　　　　cornerstrength,//角点强度

　　　　　　　3,//邻域尺寸

　　　　　　　3,//口径尺寸

　　　　　　　0.01)//harris参数

(2条消息) Harris的角点检测和特征匹配_高司机的专栏-CSDN博客_harris特征点

gftt特征描述

我们可以通过GFTTDetector::create()来创建一个GFTT特征点检测器，其参数如下：
（1）参数maxCorners：检测到的最大角点数量；
（2）参数qualityLevel：输出角点的质量等级，取值范围是 [ 0 , 1 ]；如果某个候选点的角点响应值小于（qualityLeve * 最大角点响应值），则该点会被抛弃，相当于判定某候选点为角点的阈值；
（3）参数minDistance：两个角点间的最小距离，如果某两个角点间的距离小于minDistance，则会被认为是同一个角点；
（4）参数blockSize：计算角点响应值的邻域大小，默认值为3；如果输入图像的分辨率比较大，可以选择比较大的blockSize；
（5）参数useHarrisDector：布尔类型，如果为true则使用Harris角点检测；默认为false，使用shi-tomas角点检测算法；
（6）参数k：只在使用Harris角点检测时才生效，也就是计算角点响应值时的系数k。

可以看到，创建GFTT特征点检测所需的参数其实和goodFeaturesToTrack（）所需的参数是一样的，精度远高于harris算子，也有可能是我没有设置好

Ptr<GFTTDetector> create( int maxCorners=1000, double qualityLevel=0.01, double minDistance=1,

　　　　　　　　int blockSize=3, bool useHarrisDetector=false, double k=0.04 );

注意，创建的特征检测器返回值为该类的指针