moravec角点检测缺点分析.doc

下图中，是用3*3的窗口，对图像进行morave角点检测。虽然moravec算法能把所有角点都检测出来，但是把边缘上面的很多点也作为角点了，对于这种情况，我们应该是可以理解的。moravec算法对角点定义是：窗口在各个方向的移动，窗口内的灰度值都会产生较大的变化。而其实这里的“各个方向“，最多也就只有8个方向。所以，如果边缘的方向，是这8个方向以外的方向，那么，就会被认为是角点。moravec的局限性分析经过测试，可以发现moravec的众多问题，重要的有：（1） 它不具备旋转不变性。（2） 对边缘点的反应比较强烈moravec只计算了一些离散的偏移产生的灰度值变化（最多是8个方向），如图下所示，旋转之后，检测到角点不一样了。moravec统计的8个方向（最多是8个方向）是0，45，90，135，180，225，270，315。如果图像上的边缘上的某个点，在旋转前刚好是处于45方向，此时检测到不是角点（因为窗口在45方向平移的时候，窗口内部像素值变化肯定很小），当图像旋转10，此时该点处在55，那么现在就很有可能变成了一个角点（因为窗口只有在55方向平移的时候，窗口内部的灰度值变化才会取到最小值，而55不在moravec算法的统计之内）在moravec中，使用的窗口是正方形的，并且窗口值是二元的，在窗口内，窗口值是1，在窗口外，窗口值是0，公式：为了达到精确估计局部灰度值的变化程度，圆形的窗口才是理想的。圆形的窗口，使得中心点到窗口的每一个边缘点的欧式距离基本是相等的。如图，左图是7*7窗口，右图是半径为7的圆形窗口，可以看出，对于圆形窗口，从中心点到各个边缘点之间的欧式距离更接近。这样更有利于评估局部灰度值的变化程度。为什么呢？“评估局部灰度值的变化程度“，注意这句话里的一个关键词” 局部“，那么什么是局部？如果我们使用7*7的正方形窗口，那么这个正方形窗口就是局部，我们的评估局部灰度值的变化程度的时候，这49个元素都会参与运算；当我们使用半径为7的圆形窗口的时候，那么这个半径为7的圆形窗口就是局部，在这个圆形窗口内的灰度值都会参与运算。通常，我们认为，里中心点更近的点，对该点影响也会大一些。既然离得比较近的点对中心点的影响比较大，那么我们在评估局部灰度值的变化程度的时候，应该赋予离中心更近的点更大的权重才是合理的，而不是moravec使用的窗口值，只要在窗口内部，不管远近，权重都是1.通过上面的分析，既要使用圆形的窗口，又要赋予离中心更近的点更大的权重，那么高斯窗口就是比较好的一个选择了。5*5的高斯窗口如图所示：虽然看起来的也是方形的，但是它在四个角落上的权重是非常小的，可以近似的认为是0，那么就可以认为是一个圆形的窗口，并且，权重是离中心点越近变得越大。