原理上一节我们学习了Harris角点检测，后来1994年，J.Shi和C.Tomasi在他们的文章《Good_Features_to_Track》中对这个算法做了一个小小的修改，并得到了更好的结果。我们知道Harris角点检测的打分公式为：R=\lambda_1\lambda_2-k(\lambda_1+\lambda_2)^2但Shi-

OpenCV图像特征检测与描述在图像处理和计算机视觉中，特征检测和描述是非常重要的任务。本文将介绍几种常用的特征检测和描述方法：Harris角点检测、Shi-Tomasi角点检测、SIFT和SURF。目录介绍应用使用场景原理解释算法原理流程图及解释应用场景代码示例实现部署

机器视觉——角点检测什么是角点检测在几何学里，我们会看到各种各样的三角形、多边形等，它们都有一个显著的特征：包含了角点信息。比如在三角形里，我们有三个角；在矩形里，我们有四个角。我们将找到这些图像特征的过程称为特征提取(FeatureExtraction)，我们之前所接触的Canny边缘检测

搜索到某个效果很好的视频去燥的算法，感觉效果比较牛逼，就是速度比较慢，如果能做到实时，那还是很有实用价值的。于是盲目的选择了这个课题，遇到的第一个函数就是角点检测，大概六七年用过C#实现过Harris角点以及SUSAN角点。因此相关的理论还是有所了解的，不过那个时候重点在于实现，对于