環境：Windows xp+MATLAB 2010b
提及角點檢測，就不能忘了最經典的Harris角點檢測算法，下面就主要介紹下Harris算法及其matlab實作。
算法介紹：
1）通常情況下，可以将區域内的點分為3類，a.平坦的點,b.邊緣上的點,c.角點。
2)若對于這3類點分别求取Ix,Iy,很顯然，a類點的Ix和Iy都很小，b類點則是Ix和Iy有一個稍大一個稍小，而角點c則是兩個值都很大。是以根據這種性質，可以區分出角點來。
【
求解Ix,Iy的過程說明：
利用單方向上（橫軸&縱軸），點與周圍點的差分來計算，有兩種方法，
一是，取3x3鄰域計算，通常取
Ix子模闆: Iy子模闆:
-1 0 1 -1 -1 -1
-1 0 1 0 0 0
-1 0 1 1 1 1
先對圖像矩陣上每一點分别求取其Ix，Iy乘積後疊加的值，記為Ix(m,n),Iy(m,n).（其中，m,n分别為原矩陣的大小）
二是，直接隻采用橫軸和縱軸上的點計算差分。
】
% fx = [-1 0 1;-1 0 1;-1 0 1]; % 高斯函數一階微分，x方向(用于改進的Harris角點提取算法)
fx = [-2 -1 0 1 2]; % x方向梯度算子(用于Harris角點提取算法)
Ix = filter2(fx,ori_im); % x方向濾波
% fy = [-1 -1 -1;0 0 0;1 1 1]; % 高斯函數一階微分，y方向(用于改進的Harris角點提取算法)
fy = [-2;-1;0;1;2]; % y方向梯度算子(用于Harris角點提取算法)
Iy = filter2(fy,ori_im); % y方向濾波 3)考慮到圖像一般情況下的噪聲影響，采用高斯濾波去除噪聲點。
Ix2 = Ix.^2;
Iy2 = Iy.^2;
Ixy = Ix.*Iy;
clear Ix;
clear Iy;
h= fspecial('gaussian',[7 7],2); % 産生7*7的高斯窗函數，sigma=2
Ix2 = filter2(h,Ix2);
Iy2 = filter2(h,Iy2);
Ixy = filter2(h,Ixy); 4)計算角點的準則函數R（即用一個值來判斷該點來衡量這個點是否是角點）,并标記角點（R(i,j)>0.01*Rmax,且R(i,j)為3x3鄰域局部最大值）。
M = [Ix2(i,j) Ixy(i,j);Ixy(i,j) Iy2(i,j)];
R(i,j) = det(M)-k*(trace(M))^2; % 計算R
【可以通過改變準則函數的計算來改進harris算法，上式中的k一般取0.04~0.06】
[height,width] = size(ori_im);
result = zeros(height,width); % 紀錄角點位置，角點處result的值為1
R = zeros(height,width); Rmax = 0; % 圖像中最大的R值
for i = 1:height
for j = 1:width
M = [Ix2(i,j) Ixy(i,j);Ixy(i,j) Iy2(i,j)];
R(i,j) = det(M)-0.06*(trace(M))^2;
if R(i,j) > Rmax
Rmax = R(i,j);
end
end
end
cnt = 0; %角點個數
for i = 2:height-1
for j = 2:width-1
% 進行非極大抑制，視窗大小3*3
if R(i,j) > 0.01*Rmax && R(i,j) > R(i-1,j-1) && R(i,j) > R(i-1,j) && R(i,j) > R(i-1,j+1) && R(i,j) > R(i,j-1) && R(i,j) > R(i,j+1) && R(i,j) > R(i+1,j-1) && R(i,j) > R(i+1,j) && R(i,j) > R(i+1,j+1)
result(i,j) = 1;
cnt = cnt+1;
end
end
end
[posc, posr] = find(result == 1);
disp(cnt); % 顯示角點個數
imshow(ori_im);
hold on;
plot(posr,posc,'r+');
原圖來自http://zh.wikipedia.org/wiki/%E8%A7%92%E6%A3%80%E6%B5%8B
檢測後：
為了驗證harris算子的旋轉不變性，将原圖旋轉30度，見下
關于角點檢測的其他算法：
1).susan算法
利用面積，如下：
如下圖所示為SUSAN圓形模闆與物體的5種幾何位置關系，對于圖像中非紋理區域的任一點，在以它為中心的模闆窗中存在一塊亮度與其相同的區域，這塊區域即為SUSAN的USAN區域。USAN區域包含了圖像結構的重要資訊，
由圖可知，當模闆中心像素點位于區域内部時，USAN的面積最大，
當該像素點位于區域邊界時，則面積為最大的一半，
當該像素點為角點時，USAN區域面積約為最大的1/4。
SUSAN根據不同位置時USAN區域的面積來考察目前像素點為區域内部點、邊緣點或角點。
值得注意的是，關于計算usan面積，在圓鄰域中，當像素點與某一點的灰階差小于某一門檻值（通常取十分之一的極值（最大值-最小值））時，則認為該點在usan内。
2) CSS角點檢測
通過canny算子計算出圖像的edge，然後對edge進行表示成：
Γ (u)=[X(u,δ),Y(u,δ)](x(u,δ)表示高斯濾波後的橫坐标,...)
對曲線上的點計算曲率，
選擇曲率局部極大值點作為候選值點，當點同時滿足下面兩個條件時，認為該點為角點：
a.大于門檻值T;
b.至少大于兩側相鄰的點曲率極小值的兩倍。
【對于canny提取出的曲線的填補（曲線可能有斷裂），形成T型角點，若得出的角點與T型角點相鄰，去掉T型角點】
3)