Harris 非最大值抑制的算法

资 源 简 介

Harris 非最大值抑制的算法

详 情 说 明

Harris角点检测算法是计算机视觉中经典的特征提取方法，其核心思想是通过局部窗口的灰度变化来识别图像中的角点。算法首先计算每个像素点的自相关矩阵，然后通过矩阵的特征值构造角点响应函数（如R=det(M)-k·trace(M)^2）。

非最大值抑制（NMS）是Harris算法的关键后处理步骤，用于消除冗余角点并精确定位。其实现逻辑分为三步：1) 遍历所有角点响应值，保留高于自适应阈值的候选点；2) 以每个候选点为中心，在预设邻域（如3x3或5x5）内比较响应值大小；3) 仅保留邻域内响应值最大的点，抑制其余次大值点。

自适应阈值机制通常基于全局响应值的统计特性（如前10%分位数），相比固定阈值能更好地适应不同光照和纹理场景。优化方向包括采用高斯加权邻域比较，或结合边缘抑制策略排除边缘伪角点。该算法在SLAM、图像配准等场景中仍是基础工具，现代改进方法常与深度学习特征提取器结合使用。