1. 圖像角點特徵之Harris、SIFT、SURF、ORB
角點檢測(Corner Detection)是計算機視覺系統中用來獲得圖像特徵的一種方法，廣泛應用於運動檢測、圖像匹配、視頻跟蹤、三維建模和目標識別等領域中。也稱為特徵點檢測。 角點通常被定義為兩條邊的交點，更嚴格的說，角點的局部鄰域應該具有兩個不同區域的不同方向的邊界。而實際應用中，大多數所謂的角點檢測方法檢測的是擁有特定特徵的圖像點，而不僅僅是「角點」。這些特徵點在圖像中有具體的坐標，並具有某些數學特徵，如局部最大或最小灰度、某些梯度特徵等。
這些角點通常在圖像中是穩定存在的。角點的微小偏移就能反映出圖像幀的相對運動。
Harris角點檢測演算法就是對角點響應函數R進行閾值處理：R > threshold，即提取R的局部極大值。
特點：具有角度不變性
SIFT克服了Harris的不足，縮放也沒影響，具有尺度不變性。
特點：角度不變性，尺度不變性
SURF是SIFT的加速版，它善於處理具有模糊和旋轉的圖像，但是不善於處理視角變化和光照變化。在SIFT中使用DoG對LoG進行近似，而在SURF中使用盒子濾波器對LoG進行近似，這樣就可以使用積分圖像了（計算圖像中某個窗口內所有像素和時，計算量的大小與窗口大小無關）。總之，SURF最大的特點在於採用了Haar特徵以及積分圖像的概念，大大加快了程序的運行效率。
特點：角度不變性，尺度不變性
更多
ORB（Oriented FASTand Rotated BRIEF）演算法是目前最快速穩定的特徵點檢測和提取演算法，許多圖像拼接和目標追蹤技術利用ORB特徵進行實現。
ORB採用FAST（features from accelerated segment test）演算法來檢測特徵點，採用BRIEF演算法來計算一個特徵點的描述子。
特點：角度不變性，尺度不變性，計算速度快（ORB是sift的100倍，是surf的10倍）
1、OpenCV版本