目錄
1、角點檢測概念
2、角點檢測流程
3、角點檢測實踐
圖像的特征是圖像的原始特性或屬性，它包含圖像中的關鍵資訊，是機器視覺算法工作的基礎。
圖像的灰階、邊緣、輪廓、紋理、色彩和顆粒屬性等都可作為圖像的特征，它們均從某一次元對圖像中的目标關鍵屬性進行描述。然而，在實際工作中，有時需要尋找一種可以對圖像的各個局部都能進行抽象描述的特征。
例如，若要在圖像存在透視畸變且被測目标會發生旋轉和縮放的情況下，對圖像中多個關鍵部分進行關聯拼接，然後再進行目辨別别或比對，此時就需要使用一種可以對旋轉、縮放和畸變均保持不變的局部特征。
角點（Corner Point）是解決這類問題的一種理想選擇。
圖像中的興趣點（又稱為關鍵點、特征點）是在圖像中容易檢測且具有代表意義的點。基于這些點，可以進行目辨別别、圖像比對和缺陷檢測等。角點是圖像中最基本的一種興趣點，它可定義為圖像中兩個邊緣的交點，或目标輪廓線上曲率的局部極大點。角點特征具有計算量少，比對簡單以及旋轉、平移、放縮不變性等特點，是以在圖像配準與比對、目辨別别、運動分析、目标跟蹤等應用領域都起着非常重要的作用。
圖像在角點處不僅梯度的數值大，而且梯度方向的變化速率也很大。也就是說，角點顯示了圖像在二維空間内灰階變化劇烈的位置，它和周圍鄰點有着明顯差異。
例如，下圖中，當小視窗位置在任意方向上發生變化時，含有角點的視窗的灰階就會有明顯變化。是以可以通過計算圖像中的角點獲知圖像各個局部的資訊，進而實作對圖像的一種抽象描述。而基于該抽象描述，即可進行圖像的比對及識别等工作。
以角點為特征的機器視覺應用一般涉及角點檢測、角點描述和角點比對3個過程。
角點檢測過程使用Harris、Shi-Tomasi或FAST等算法來确定圖像中的角點。角點描述過程使用BRISK (Binary Robust Invariant Scalable Keypoints）或FREAK (FastRetina Keypoint)方法，基于檢測到的角點生成以二值方式編碼的特征向量。而角點比對過程則計算兩幅圖像二值特征向量之間的漢明距離，并依據距離的大小來判斷其是否比對。
圖14-57對常用的角點檢測、描述及比對方法進行了彙總。
Nl Vision使用位于LabVIEW的視覺與運動→Machine Vision→Feature
Correspondence函數選闆中的IMAQ Corner Detector和IMAQ FAST Feature PointDetector封裝角點檢測過程，傳回從矩形ROI中檢測到的角點坐标和強度。
其中IMAQ Corner Detector封裝了Harris和Shi-Tomasi角點檢測算法，且支援在圖像不同的金字塔圖層進行多尺度檢測。換句話說，在進行角點檢測時，它不僅能對光照和旋轉變化保持不變性，還能通過多尺度的近似方法對圖像的縮放變化保持不變性。
lMAQ FAST Feature Point Detector封裝了FAST檢測算法，它以像素為中心，取距其半徑為3的圓環上的16個點，若其中有連續的12個點的灰階與像素的灰階差超過輸入參數Min Feature Point Strength設定的門檻值，就将像素标記為角點。VI對于光照、旋轉和尺度變化保持不變，但是當圖像中噪點較多時，FAST健壯性較差，而且算法的效果也依賴于門檻值的選取。
通過使用角點特征進行圖像比對的執行個體，了解角點算法的應用，程式設計思路如下所示：
程式首先為模闆圖像和待檢測圖像配置設定緩沖區，并将它們分别讀入記憶體；
随後調用IMAQ FAST Feature PointDetector，基于FAST算法分别檢測兩幅圖像中的角點，并由IMAQ Feature PointDescriptor以FREAK算法對角點資訊進行二進制描述；
這樣一來，從圖像中檢測到的各個角點特征都可以由一個二進制的角點特征字元串表示；
IMAQ Match Feature Points能通過計算各個角點特征字元串之間的漢明距離，在設定的最大可接受距離範圍内（本例為32），對兩幅圖像中的角點進行比對關聯。
程式設計如下所示：
程式運作效果如下所示：
資源下載下傳請參見：
https://download.csdn.net/download/m0_38106923/20358434IMAQ Match Feature Points還能基于在兩幅圖像中比對到的角點坐标，傳回它們之間的單應性矩陣（Homography Matrix）。在機器視覺領域中，若成像系統可抽象為針孔比如，通過旋相機，則空間中同一平面内的任意兩幅圖像就可由單應性矩陣進行關聯。比如，通過旋轉相機鏡頭可擷取某一個物體的兩張不同圖像，這兩張圖像的内容不可能隻有部分對應。
若存在一個二維的3×3矩陣，與其中一幅圖像相乘可得到第二幅圖像，則該矩陣就稱為兩幅圖像的單應性矩陣。單應性矩陣可以通過兩幅圖像中對應的4個特征點來計算，一旦得到單應性矩陣，就可以在已知原圖像中關鍵特征點坐标時，計算得到其在比對圖像中的坐标位置。如上述例子所示，程式使用IMAQ Match FeaturePoints計算得到的單應性矩陣，在檢測圖像中标出所比對到的目标範圍。
角點是圖像中一種特殊的特征點，基于角點進行圖像檢測和比對，能在較難找到圖像特征的情況下，建立圖像拼接或圖像比對應用。常見的角點檢測方法有Harris、Shi-Tomasi和FAST等。計算兩幅圖像角點特征向量之間的漢明距離即可完成角點的比對。基于4個以上的比對角點，可求得關聯兩幅圖像的單應性矩陣，進而基于此矩陣，就能确定模闆圖像的位置。