CN105513037A - 角点检测方法及装置 - Google Patents

Abstract

一种角点检测方法及装置，用于对图像中的角点进行检测；所述方法包括：根据各检测模板分别获取第一像素为角点的置信度，所述第一像素为待检测像素；根据所述第一像素为角点的置信度获取第一集合，所述第一集合根据第一检测模板中非零的位置进行确定，第二集合根据第一检测模板中为零的位置进行确定；在所述第一集合数值的平均值和第二集合数值的平均值之间的差值大于或等于差异阈值时，确定所述第一像素为角点。该方法可以快速、准确地实现对各种方向的角点的检测，有效提高角点检测的准确度，提高图像处理的效果，且实现方法简单，硬件成本低。

Description

角点检测方法及装置

技术领域

本发明涉及图像处理技术领域，尤其涉及一种角点检测方法及装置。

背景技术

角点检测检测技术是图像处理中的一种非常关键的技术，例如在对图像的图像融合、图像边缘增强、运动目标检测和跟踪、光流计算以及三维重建中都需要对图像数据中的角点进行检测。图像角点是像素点在其领域内的各个方向上的灰度变换值足够高的点，角点是重要的图像点特征，角点的准确提取对于图像匹配、目标识别等邻域具有重要意义。

角点检测方法中含有基于模板匹配的检测方法和基于几何特征的检测方法等，但现有技术在对角点进行检测的过程中，存在难以快速、准确地检测到角点，图像处理不准确的问题。

发明内容

本发明解决的是在图像处理中难以快速、准确地检测到角点像素，导致图像处理结果不准确的问题。

为解决上述问题，本发明提供一种角点检测方法，用于对图像中的角点进行检测；所述方法包括：

根据各检测模板分别获取第一像素为角点的置信度，所述第一像素为待检测像素；

根据所述第一像素为角点的置信度获取第一集合，所述第一集合中的数值为第一检测模板中数值不为零的位置和第一区域的对应位置的像素值的乘积，所述第一检测模板为角点的置信度最强值所对应的检测模板，所述第一区域为图像中以所述第一像素为中心对应检测模板的区域；

在所述第一集合数值的平均值和第二集合数值的平均值之间的差值大于或等于差异阈值时，确定所述第一像素为角点，所述第二集合为所述第一检测模板中数值为零的位置所对应的第一区域中的像素值的集合。

可选的，所述检测模板的个数关联于对所述角点进行检测的方向的个数。

可选的，所述检测模板的个数为4个。

可选的，所述通过各检测模板分别获取第一像素为角点的置信度的过程包括：

将检测模板和第一区域对应位置的像素值乘积的和值作为对应于所述检测模板的角点的置信度。

可选的，所述角点的置信度最强值包括角点的置信度最大值和最小值。

可选的，所述差异阈值根据所述第二集合数值的平均值与阈值系数的乘积进行确定，所述阈值系数小于或等于1。

可选的，所述方法还包括：在所述第一集合数值的平均值和第二集合数值的平均值之间的差值大于或等于所述差异阈值，且第一集合的数值满足第一条件和第二集合数值满足第二条件时，确定所述第一像素为角点，所述第一条件关联于所述第一集合数值的平均值，所述第二条件关联于所述第二集合数值的平均值。

可选的，所述第一条件为：

${\mathrm{\Σ}}_{i=1}^n\mathrm{abs}(P_i-{V1}_{\mathrm{avg}})\≤T\_\mathrm{sim}\_1$

其中，i为第一集合数值的索引值，n为第一集合包含的数值的个数，P_i为第一集合中的数值，V1_avg为所述第一集合的平均值，T_sim_1为第一阈值；

所述第二条件为：

${\mathrm{\Σ}}_{j=1}^m\mathrm{abs}(P_j-{V2}_{\mathrm{avg}})\≤T\_\mathrm{sim}\_2$

其中，j为第二集合数值的索引值，m为第二集合包含的数值的个数，P_j为第二集合中的数值，V2_avg为所述第二集合的平均值，T_sim_2为第二阈值。

可选的，所述图像为灰度图。

为解决上述问题，本发明技术方案还提供一种角点检测装置，用于对图像中的角点进行检测；所述装置包括：

置信度获取单元，根据各检测模板分别获取第一像素为角点的置信度，所述第一像素为待检测像素；

集合划分单元，根据所述第一像素为角点的置信度获取第一集合，所述第一集合中的数值为第一检测模板中数值不为零的位置和第一区域的对应位置的像素值的乘积，所述第一检测模板为角点的置信度最强值所对应的检测模板，所述第一区域为图像中以所述第一像素为中心对应检测模板的区域；

第一确定单元，在所述第一集合数值的平均值和第二集合数值的平均值之间的差值大于或等于差异阈值时，确定所述第一像素为角点，所述第二集合为所述第一检测模板中数值为零的位置所对应的第一区域中的像素值的集合。

可选的，所述置信度获取单元包括：

求和子单元，用于对所述检测模板和第一区域对应位置的像素值乘积进行求和；

获取子单元，用于将求和结果作为对应于所述检测模板的角点的置信度。

可选的，所述装置还包括：第二确定单元，用于在所述第一集合数值的平均值和第二集合数值的平均值之间的差值大于或等于所述差异阈值，且第一集合的数值满足第一条件和第二集合数值满足第二条件时，确定所述第一像素为角点，所述第一条件关联于所述第一集合数值的平均值，所述第二条件关联于所述第二集合数值的平均值。

与现有技术相比，本发明的技术方案具有以下优点：

在对第一像素进行检测时，利用多个模板对角点的置信度进行获取，进而根据置信度最强制值所对应的第一检测模板，确定第一集合和第二集合中的数值，所述第一集合根据第一检测模板中非零的位置进行确定，所述第二集合根据第一检测模板中为零的位置进行确定，进而根据第一集合和第二集合之间的差异，对角点进行检测。该方法使用多个检测模板对角点的置信度进行获取，而各检测模板可以根据对角点进行检测的方向进行相应的设定，进而根据置信度最强值所对应的第一检测模板实现对角点的检测，此方法可以快速、准确地实现对各种方向的角点的检测，有效提高角点检测的准确度，提高图像处理的效果，且实现方法简单，硬件成本低。

进一步在对角点检测的过程中，还可以结合考虑第一区域中可能含有角点的区域和不含有角点的区域的平滑程度，即结合考虑第一区域中对应第一检测模板中数值不为零的位置的像素值和第一区域中对应第一检测模板中数值为零的位置的像素值的平滑程度，对角点进行进一步检测，可以有效提高检测角点的结果的准确性，提高图像处理的效果。

附图说明

图1是本发明技术方案提供的角点检测方法的流程示意图；

图2是本发明实施例提供的第一区域的示意图；

图3是本发明实施例提供的45度的角点检测方向的示意图；

图4至图7是本发明实施例提供的45度角点检测的检测模板示意图；

图8是本发明实施例提供的角点检测方法的流程示意图；

图9是本发明实施例提供的第一区域的像素值的示意图；

图10至图13是本发明实施例提供的拐角示意图；

图14至图17是本发明实施例提供的90度角点检测的检测模板示意图；

图18是本发明实施例提供的角点检测装置的结构示意图。

具体实施方式

现有技术在对角点进行检测的过程中，存在难以快速、准确地检测到角点，图像处理不准确的问题。

为解决上述问题，本发明技术方案提供一种角点检测方法，如图1所示，所述方法包括：

执行步骤S1，根据各检测模板分别获取第一像素为角点的置信度，所述第一像素为待检测像素。

在本申请文件中，可以根据对角点进行检测的方向设置相应的检测模板，即可以对应角点的不同检测方向分别设定不同的检测模板。

对应每一个检测模板，都可以相应得到所述角点的置信度，例如，对于任意一个检测模块，可以将该检测模板和第一区域中对应位置的像素值的乘积的和值作为对应于该检测模板的角点的置信度，也就是说，假设有N个检测模板，则相应的就可以得到N个所述角点的置信度，其中，N为大于或等于1的整数。所述第一区域为图像中以所述第一像素为中心对应检测模板的区域，所述第一区域与各检测模板的大小均相同。

执行步骤S2，根据所述第一像素为角点的置信度获取第一集合。

在对应每一个检测模板都相应得到所述角点的置信度后，将角点的置信度最强值所对应的检测模板确定为第一检测模板，角点的置信度越强，也说明通过对应的检测模板检测到角点的可能性也就越大，所以，在此可以结合角点的置信度最强值所对应的第一检测模板实现对第一像素的是否为角点的检测。

由于角点自身的特性，使得角点及其相邻的像素点与离所述角点位置稍远的像素成像时会呈现较大的差异，所以可以根据所述第一检测模板将第一区域中的像素点划分到不同的集合，其中一个集合用于描述第一区域中可能含有角点的像素点，另外一个集合则用于描述第一区域中其它的像素点，进而根据这两个集合之间的差异大小对角点进行检测，例如，若两个集合之间的差异比较大，则根据角点的特性，可以确定待检测的第一像素为角点，若所两个集合之间的差异比较小，则可以确定所述第一像素并不是角点。

在本申请文件中，将第一检测模板中数值不为零的位置和第一区域的对应位置的像素值的乘积作为第一集合中的数值，而将第一检测模板中数值为零的位置所对应的第一区域中的像素值的集合作为第二集合。例如，假设所述第一区域为以第一像素为中心的3×3的图像数据，第一检测模板同样为3×3大小，若含有4个数值不为零的值，则根据如上方法获取的第一集合相应包含4个数值，具体地，分别为第一检测模板中每一个不为零的位置的数值和在第一区域中对应该位置处的像素值的乘积，相应地，第二集合应该包含5个数值，分别为第一检测模板中数值为零的位置所对应的第一区域中的像素值。可以理解，在检测模板中只包括数值0和1的时候，则所述第一集合即为第一检测模板中数值1所对应的第一区域中的像素的集合，所述第二集合即为第一检测模板中数值0所对应的第一区域中的像素的集合。

执行步骤S3，在所述第一集合数值的平均值和第二集合数值的平均值之间的差值大于或等于差异阈值时，确定所述第一像素为角点。

第一集合所含有的数值和第二集合所含有的数值的差异可以根据所述第一集合数值的平均值和第二集合数值的平均值之间的差异进行确定，例如，可以预先设定差异阈值，则在所述第一集合数值的平均值和第二集合数值的平均值之间的差值大于差异阈值时，说明第一集合和第二集合的差异较大，则可以确定当前检测的第一像素为角点，反之则说明当前检测的第一像素并不是角点。

所述差异阈值可以根据实际对图像处理的需求、检测角点的灵敏度等，结合具体的图像处理数据等进行相应的设定。

本发明技术方案所提供的方法，可以使用多个检测模板对角点的置信度进行获取，根据置信度最强值所对应的第一检测模板将第一区域中的像素点划分到不同的集合中，进而实现对角点的检测，此方法可以快速、准确地实现对各种方向的角点的检测，有效提高角点检测的准确度，提高图像处理的效果，且实现方法简单，硬件成本低。

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

在本实施例中，以对图像边缘增强处理中的角点的检测为例进行说明。

图像边缘增强处理是一种常用的图像处理手段，通过边缘增强，可以突出画面中的细节，使图像看起来更锐利。在对图像进行边缘增强时，需要对图像进行边缘检测，传统的边缘检测使用边缘检测算子，例如Sobel算子，在检测出边缘是否存在的同时，判断出边缘的方向，最终沿着边缘的方向对边缘进行增强，借此得到连续而自然的强化边缘。边缘检测算子在比较典型的边缘处，例如长线条等，能够得到很好的图像增强结果。但是，在遇到拐角处的像素时，这类算子很可能会失效。使用Sobel等边缘检测算子时，可以准确检测出边缘像素。但是，位于拐角的像素，Sobel算子在水平和竖直方向得到的结果几乎相同，无法正确检测出。最终的增强效果表现为，拐角处的像素和其他边缘像素差异明显，导致增强之后的边缘不连续。

在上述图像边缘增强处理过程中，无法快速、准确地检测到角点，本实施例提出一种角点检测方法可以准确的找到角点像素，以便边缘增强算法对其进行正确的处理，得到连续且自然的边缘。

在本实施例中，具体地，以对灰度图中的像素点进行角点检测为例进行说明，待检测的像素点为图2中所示出3×3的图像区域中的中心位置的像素点X5，所述X5即为如上所述的第一像素，所示出的3×3的图像区域为第一区域，第一区域包含像素X1至像素X9。

在对像素点X5进行检测时，在本实施例中，以对像素点X5进行45度角点检测为例进行说明。所述45度角点是指对角点进行检测的方向位于如图3中所示处的45度对角线的方向上，具体地，在对角点进行45度检测时含有如图3所示出的a、b、c、d的四个方向，第一像素为待检测的像素点。

对应45度角点的a、b、c、d四个检测方向，分别相应的设定A、B、C和D四个检测模板。如图4中所示出的检测模板A对应检测方向a，图5中所示出的检测模板B对应检测方向b，图6中所示出的检测模板C对应检测方向c以及图7中所示出的检测模板D对应检测方向d。

根据所设定的检测模板实现对第一像素的角点检测。

图8是本实施例提供的角点检测方法的流程示意图。

如图8所示，首先执行步骤S801，根据各检测模板分别获取第一像素为角点的置信度。

所述第一像素为角点的置信度根据检测模板以及在如图2所示出的第一区域进行确定。

将检测模板和第一区域对应位置的像素值乘积的和值作为对应于所述检测模板的角点的置信度。

图9是本实施例提供的第一区域的像素值的示意图，假设第一区域包含的像素X1至像素X9对应的像素值分别为p00、p01、p02、p10、p11、p12、p20、p21和p22。

以检测模板A为例进行说明，如图4所示，检测模板A中含有四个数值为1的位置，则对应在第一区域的位置分别为像素X1、像素X2、像素X4和像素X5。

则对应检测模板A，第一像素为角点的置信度Va＝p00×1+p01×1+p10×1+p11×1，也就是说，置信度Va＝p00+p01+p10+p11。

依次类推，可以得到：

对应检测模板B第一像素为角点的置信度Vb＝p01+p02+p11+p12；

对应检测模板C第一像素为角点的置信度Vc＝p10+p11+p20+p21；

对应检测模板D第一像素为角点的置信度Vd＝p11+p12+p21+p22。

根据上述方法可法对应每一个检测模板，都可以得到第一像素为角点的置信度。

执行步骤S802，获取各检测模板所对应的第一像素为角点的置信度中的最大值和最小值。

置信度的最强值可以为如上所获取的置信度中的最大值或最小值。

根据角点特性可知，按照角点的检测方向，与角点相关的一定范围内的像素值和检测区域中其它像素值之间会出现一定的差异。例如，与角点相关的一定范围内的像素值可能会比检测区域中其它像素值较大；或者角点相关的一定范围内的像素值可能会比检测区域中其它像素值较小。

可以将角点相关的一定范围内的像素值比检测区域中其它像素值较大的情况下的角点称为正角点，反之，将角点相关的一定范围内的像素值比检测区域中其它像素值较小的情况下的角点称为负角点。

下面结合拐角区域对正角点、负角点进行说明。

为了便于说明，在本实施例中，将与角点相关性较强的像素点所组成的区域称为拐角区域，将检测区域中其它部分像素所组成的区域称为非拐角区域。根据角点的检测方向，对应各检测模板可以确定不同的拐角区域和非拐角区域。

图10是根据检测模板A所确定的拐角示意图，如图10中所示出的Ga1和Ga2，其中，Ga1表示正角点所对应的拐角区域和非拐角区域，Ga2表示负角点所对应的拐角区域和非拐角区域。Ga1中所示出的阴影部分表示含有正角点的拐角区域，白色区域部分表示非拐角区域；Ga2中所示出的阴影部分表示含有负角点的拐角区域，同样白色区域部分表示非拐角区域。

对于每个检测模板，均可以确定相应的拐角区域和非拐角区域。如图11中所示出的Gb1为由检测模板B所确定的正角点所对应的拐角区域(阴影部分)和非拐角区域(白色部分)，Gb2为由检测模板B所确定的负角点所对应的拐角区域和非拐角区域；图12中所示出的Gc1为由检测模板C所确定的正角点所对应的拐角区域(阴影部分)和非拐角区域(白色部分)，Gc2为由检测模板C所确定的负角点所对应的拐角区域和非拐角区域；图13中所示出的Gd1为由检测模板D所确定的正角点所对应的拐角区域(阴影部分)和非拐角区域(白色部分)，Gd2为由检测模板D所确定的负角点所对应的拐角区域(阴影部分)和非拐角区域(白色部分)。

根据角点的特性，含有角点的拐角区域的像素值和非拐角区域的像素值有较大的差别，在角点为正角点时，拐角区域的像素值比非拐角区域的像素值应该较大；当角点为负角点时，拐角区域的像素值比非拐角区域的像素值应该较小。

在步骤S802中，在根据各检测模板分别获取第一像素为角点的置信度后，若角点为正角点，则置信度的值越大，则说明第一像素为角点的可能性也就越大；反之，若角点为负角点，则置信度的值越小，则说明第一像素为角点的可能性也就越小。也即说明置信度的最强值可以为如上所获取的置信度中的最大值和最小值。

在此步骤中，获取根据各检测模板所得到的第一像素为角点的置信度的最大值和最小值，以实现对第一像素的检测。

具体地，找出置信度Va、置信度Vb、置信度Vc、置信度Vd四个当中的最大值和最小值，记置信度最大值为Vmax，置信度最小值为Vmin。

即有：

Vmax＝MAX(Va，Vb，Vc，Vd);

Vmin＝MIN(Va，Vb，Vc，Vd)。

执行步骤S803，获取置信度最大值所对应的第一检测模板和置信度最小值所对应的第一检测模板。

在得到置信度最大值Vmax，就可以根据Vmax的具体的值确定其对应的检测模板，例如，若Vmax的值为置信度Va，则可以确定对应的检测模板为检测模板A，同理可以得到Vmin所对应的检测模板，在本实施例中，将Vmax所对应的检测模板称为Vmax所对应的第一检测模板，将Vmax所对应的检测模板称为Vmin所对应的第一检测模板。

执行步骤S804，分别获取各第一检测模板所对应的第一集合和第二集合。

可以根据Vmax所对应的第一检测模板，将检测区域，即第一区域中的像素值划分到对应于Vmax的第一集合和第二集合中，根据Vmin所对应的第一检测模板，将检测区域的像素值划分到对应于Vmin的第一集合和第二集合中。

第一集合中的数值可以定义为第一检测模板中数值不为零的位置和第一区域的对应位置的像素值的乘积，以Vmax所对应的第一检测模板为检测模板A为例，请结合参考图4和图9，则第一集合中的数值就是像素值p00、p01、p10和p11，也就是如图10中所示出的拐角区域的像素值。第二集合中的数值为所述第一检测模板中数值为零的位置所对应的第一区域中的像素值的集合，仍以Vmax所对应的第一检测模板为检测模板A为例，则第二集合中的数值就是第一区域中处第一集合中像素值外的其它像素值，具体为p02、p12、p20、p21和p22，也就是如图10中所示出的非拐角区域的像素值。

对应不同的第一检测模板，在本实施例中，也可以理解为，第一集合中的像素值即为第一检测模板所对应的拐角区域中的像素值，而第二集合中的像素值即为第二检测模板所对应的非拐角区域中的像素值。

根据如上所述的方法，同理可以得到对应于Vmin的第一集合和第二集合，具体过程在此不再赘述。

执行步骤S805，获取第一集合数值的平均值和第二集合数值的平均值之间的差值。

在得到各第一检测模板所对应的第一集合和第二集合中所包含的数值，就可以得到每一个检测模板的第一集合中的数值的平均值和第二集合的数值的平均值，在此将检测模板所述对应的第一集合数值的平均值记为V1_avg，将第二集合数值的平均值记为V2_avg，根据V1_avg和V2_avg即可得到对应检测模板的差值。

执行步骤S806，获取第一集合数值和第二集合数值的平滑程度。

为了可以提高对第一像素的角点检测的准确性，在考虑到对应检测模板的第一集合数值的平均值和第二集合的平均值的差值的同时，还可以结合考虑第一集合内数值的平滑程度和第二集合内的数值的平滑程度。

也就是说，在第一集合内的像素值应该相近，第一集合内部才会平滑，同样的，第二集合内的像素值也应该比较相近。

对于第一集合的像素值是否平滑，可以结合如下所述的第一条件进行考虑，在满足第一条件时，说明第一集合内的数值满足平滑特性。

所述第一条件为： ${\mathrm{\Σ}}_{i=1}^n\mathrm{abs}(P_i-{V1}_{\mathrm{avg}})\≤T\_\mathrm{sim}\_1$

其中，i为第一集合数值的索引值，n为第一集合包含的数值的个数，P_i为第一集合中的数值，V1_avg为所述第一集合的平均值，T_sim_1为第一阈值。

对于第二集合的像素值是否平滑，可以结合如下所述的第二条件进行考虑，在满足第二条件时，说明第二集合内的数值满足平滑特性。

所述第二条件为： ${\mathrm{\Σ}}_{j=1}^m\mathrm{abs}(P_j-{V2}_{\mathrm{avg}})\≤T\_\mathrm{sim}\_2$

其中，j为第二集合数值的索引值，m为第二集合包含的数值的个数，P_j为第二集合中的数值，V2_avg为所述第二集合的平均值，T_sim_2为第二阈值。

具体地，仍然以第一检测模板为检测模板A为例，第一集合中的数值为p00、p01、p10和p11，第二集合中的数值为p02、p12、p20、p21和p22。

记：Sim1＝(abs(p00－V1_avg)+abs(p01－V1_avg)+abs(p10－V1_avg)+abs(p11－V1_avg))，则第一条件可以表示为：Sim1≤T_sim_1。

记：Sim2＝(abs(p02－V2_avg)+abs(p12－V2_avg)+abs(p20－V2_avg)+abs(p21－V2_avg)+abs(p22－V2_avg))，则第二条件可以表示为：Sim2≤T_sim_2。

在满足第一条件时，说明第一集合内的数值满足平滑特性，在满足第二条件时，说明第二集合内的数值满足平滑特性。

执行步骤S807，在第一集合数值的平均值和第二集合数值的平均值之间的差值大于或等于差异阈值且第一集合和第二集合中的像素值满足平滑特性时，确定所述第一像素为角点。

预先设定差异阈值，所述差异阈值可以根据所述第二集合数值的平均值与阈值系数的乘积预先进行确定，所述阈值系数小于或等于1。

在对应检测模板的第一集合数值的平均值和第二集合数值的平均值之间的差值大于或等于差异阈值时，说明第一集合的数值和第二集合的数值差异较大，所述第一像素可能为角点；进一步，若所述第一集合中的数值满足第一条件、第二集合中的数值满足第二条件，说明第一集合中的数值之间的平滑程度较好，第二集合中的数值之间的平滑程度也较好，则此时确定所述第一像素为真正的角点。

在其它实施例中，在对第一像素的角点检测的过程中，在所述第一集合数值的平均值和第二集合数值的平均值之间的差值大于或等于差异阈值时，说明第一集合的数值和第二集合的数值差异较大，即可确定所述第一像素为角点，而不必再考虑第一集合和第二集合中的数值的平滑程度。

需要说明的是，在本实施例中，以对像素点进行45度角点检测为例进行说明的，在其它实施例中，也可以根据实际图像处理的需求，选择其他的检测方向进行检测，例如，对像素点进行90度角点检测等。在进行90度角点检测的过程中，可以采用如图14至图17中所示出的检测模板，图14中所示出的检测模板E、图15中所示出的检测模板F、图16中所示出的检测模板G和图17中所示出的检测模板H分别对应90度角点的四个检测方向，对90度角点检测可以参照如上实施例所描述的检测方法进行检测，在此不再赘述。

在本实施例中，以进行角点检测的图像为灰度图为例进行说明的，在其它实施例中，若图像是RGB等多通道的图像，也可以将多通道图像转换为灰度图，进而采用本实施例所提供的方法进行角点检测；也可以对于多通道的图像中的各通道按照本实施例提供的方法进行相应的检测，进而实现对角点的检测，图像的格式在此不作限定。

本实施例所提供的角点检测方法可以应用于各种图像处理中的角点的检测过程中，该方法可以快速、准确地实现对各种方向的角点的检测，有效提高角点检测的准确度，提高图像处理的效果，且实现方法简单，硬件成本低。

对应上述角点检测方法，本发明实施例还提供一种角点检测装置，如图18所示，所述装置包括：置信度获取单元U11、集合划分单元U12和第一确定单元U13。

所述置信度获取单元U11，根据各检测模板分别获取第一像素为角点的置信度，所述第一像素为待检测像素。

所述集合划分单元U12，根据所述第一像素为角点的置信度获取第一集合，所述第一集合中的数值为第一检测模板中数值不为零的位置和第一区域的对应位置的像素值的乘积，所述第一检测模板为角点的置信度最强值所对应的检测模板，所述第一区域为图像中以所述第一像素为中心对应检测模板的区域。

所述第一确定单元U13，在所述第一集合数值的平均值和第二集合数值的平均值之间的差值大于或等于差异阈值时，确定所述第一像素为角点，所述第二集合为所述第一检测模板中数值为零的位置所对应的第一区域中的像素值的集合。

所述置信度获取单元包括：求和子单元U111和获取子单元U112。

所述求和子单元U111，用于对所述检测模板和第一区域对应位置的像素值乘积进行求和。

所述获取子单元U112，用于将求和结果作为对应于所述检测模板的角点的置信度。

所述装置还包括：第二确定单元U14，用于在所述第一集合数值的平均值和第二集合数值的平均值之间的差值大于或等于所述差异阈值，且第一集合的数值满足第一条件和第二集合数值满足第二条件时，确定所述第一像素为角点，所述第一条件关联于所述第一集合数值的平均值，所述第二条件关联于所述第二集合数值的平均值。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (12)

1.一种角点检测方法，用于对图像中的角点进行检测；其特征在于，包括：

根据各检测模板分别获取第一像素为角点的置信度，所述第一像素为待检测像素；

根据所述第一像素为角点的置信度获取第一集合，所述第一集合中的数值为第一检测模板中数值不为零的位置和第一区域的对应位置的像素值的乘积，所述第一检测模板为角点的置信度最强值所对应的检测模板，所述第一区域为图像中以所述第一像素为中心对应检测模板的区域；

在所述第一集合数值的平均值和第二集合数值的平均值之间的差值大于或等于差异阈值时，确定所述第一像素为角点，所述第二集合为所述第一检测模板中数值为零的位置所对应的第一区域中的像素值的集合。

2.如权利要求1所述的角点检测方法，其特征在于，所述检测模板的个数关联于对所述角点进行检测的方向的个数。

3.如权利要求1所述的角点检测方法，其特征在于，所述检测模板的个数为4个。

4.如权利要求1所述的角点检测方法，其特征在于，所述通过各检测模板分别获取第一像素为角点的置信度的过程包括：

将检测模板和第一区域对应位置的像素值乘积的和值作为对应于所述检测模板的角点的置信度。

5.如权利要求1所述的角点检测方法，其特征在于，所述角点的置信度最强值包括角点的置信度最大值和最小值。

6.如权利要求1所述的角点检测方法，其特征在于，所述差异阈值根据所述第二集合数值的平均值与阈值系数的乘积进行确定，所述阈值系数小于或等于1。

7.如权利要求1所述的角点检测方法，其特征在于，还包括：在所述第一集合数值的平均值和第二集合数值的平均值之间的差值大于或等于所述差异阈值，且第一集合的数值满足第一条件和第二集合数值满足第二条件时，确定所述第一像素为角点，所述第一条件关联于所述第一集合数值的平均值，所述第二条件关联于所述第二集合数值的平均值。

8.如权利要求7所述的角点检测方法，其特征在于，所述第一条件为：

${\mathrm{\Σ}}_{i=1}^n\mathrm{abs}(P_i-{V1}_{\mathrm{avg}})\≤T\_\mathrm{sim}\_1$

其中，i为第一集合数值的索引值，n为第一集合包含的数值的个数，P_i为第一集合中的数值，V1_avg为所述第一集合的平均值，T_sim_1为第一阈值；

所述第二条件为：

${\mathrm{\Σ}}_{i=1}^n\mathrm{abs}(P_j-{V2}_{\mathrm{avg}})\≤T\_\mathrm{sim}\_2$

其中，j为第二集合数值的索引值，m为第二集合包含的数值的个数，P_j为第二集合中的数值，V2_avg为所述第二集合的平均值，T_sim_2为第二阈值。

9.如权利要求1所述的角点检测方法，其特征在于，所述图像为灰度图。

10.一种角点检测装置，用于对图像中的角点进行检测；其特征在于，包括：

置信度获取单元，根据各检测模板分别获取第一像素为角点的置信度，所述第一像素为待检测像素；

集合划分单元，根据所述第一像素为角点的置信度获取第一集合，所述第一集合中的数值为第一检测模板中数值不为零的位置和第一区域的对应位置的像素值的乘积，所述第一检测模板为角点的置信度最强值所对应的检测模板，所述第一区域为图像中以所述第一像素为中心对应检测模板的区域；

第一确定单元，在所述第一集合数值的平均值和第二集合数值的平均值之间的差值大于或等于差异阈值时，确定所述第一像素为角点，所述第二集合为所述第一检测模板中数值为零的位置所对应的第一区域中的像素值的集合。

11.如权利要求10所述的角点检测装置，其特征在于，所述置信度获取单元包括：

求和子单元，用于对所述检测模板和第一区域对应位置的像素值乘积进行求和；

获取子单元，用于将求和结果作为对应于所述检测模板的角点的置信度。

12.如权利要求10所述的角点检测装置，其特征在于，还包括：第二确定单元，用于在所述第一集合数值的平均值和第二集合数值的平均值之间的差值大于或等于所述差异阈值，且第一集合的数值满足第一条件和第二集合数值满足第二条件时，确定所述第一像素为角点，所述第一条件关联于所述第一集合数值的平均值，所述第二条件关联于所述第二集合数值的平均值。