1.為每個點計算四個方向的梯度，并將每個點的最大梯度保存
2.從點（d, d）遍歷每個點
3.從左上到右下遍歷（x, y)，且滿足d<= x < width-d d <= y < height?d，否則轉步驟8
4..判斷所選點（x，y）的灰度值是否小于整個影像的平均灰度值。如果是，轉到步驟3
5.從這一點開始檢查d范圍內的梯度值。如果該區域內的梯度值大于α，則轉到步驟3
6.檢查在此點的d范圍內是否已存在特征點。如果有，轉到步驟3），然后開始下一個點的遍歷
7..將點的坐標保存在特征點集中，并將其添加到暫存器計數中，然后轉到步驟3）
8.遍歷結束后，判斷count的值是否等于N。如果是，則演算法結束。否則，如果大于N，則增加d的值。開始遍歷并再次判斷，直到它們相同為止。如果較小，則在計數大于N的情況下選擇最后一次的結果，并由程式隨機拒絕計數為N的特征點。如果第一次計數小于N，則減小d的值，這與計數大于N的情況類似
N是特征點的總數，count是提取的特征點，d是由演算法本身調整的半徑，α是區分點是否在邊緣的梯度閾值，width是影像的寬度，height是影像的高度
uj5u.com熱心網友回復：
背誦課文么
uj5u.com熱心網友回復：
沒有 沒有 就是能不能代碼復述出來轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/49245.html
標籤：C++ 語言