MATLAB Moravec算子

这个算子算是图像历史上第一个特征点提取算法了，1977年提出的，很简单，拿来练手很合适。

算法原理如下：

1.选取一个合理的邻域遍历图像，这里是5*5邻域的。在邻域中依次计算，垂直，水平，对角与反对角四个相邻像素灰度的差的平方和，作为该邻域特征值。

大致就是下面这个样子：

公式：

这里k是窗口的半径。

2.从四个特征值中选最小的值作为该像素初次候选特征值。

公式：

 

3.设定一个阈值，将大于该阈值初次候选特征值的选为二次候选特征值。

4.设定一个邻域，将该邻域最大的二次候选特征值作为最终要选择的特征值。

原图：

处理后：

matlab代码如下：

clear all;close all;clc

img=double(imread('lena.jpg'));
[h w]=size(img);
imshow(img,[])

imgn=zeros(h,w);
n=4;
for y=1+n:h-n
   for x=1+n:w-n
       sq=img(y-n:y+n,x-n:x+n);
       V=zeros(1,4);
       for i=2:2*n+1        %垂直，水平，对角，反对角四个方向领域灰度差的平方和
            V(1)=V(1)+(sq(i,n+1)-sq(i-1,n+1))^2;
            V(2)=V(2)+(sq(n+1,i)-sq(n+1,i-1))^2;
            V(3)=V(3)+(sq(i,i)-sq(i-1,i-1))^2;
            V(4)=V(4)+(sq(i,(2*n+1)-(i-1))-sq(i-1,(2*n+1)-(i-2)))^2;
       end
       pix=min(V);          %四个方向中选最小值
       imgn(y,x)=pix;      
   end
end

T=mean(imgn(:));        %设阈值，小于均值置零
ind=find(imgn<T);
imgn(ind)=0;

for y=1+n:h-n           %选局部最大且非零值作为特征点
    for x=1+n:w-n
        sq=imgn(y-n:y+n,x-n:x+n);
        if max(sq(:))==imgn(y,x) && imgn(y,x)~=0
            img(y,x)=255;
        end
    end
end

figure;
imshow(img,[]);

算法整个过程还是很简单的，练习一下，顺便祭下这个特征值开山算法。