我一直在尝试想出一个兴趣点检测算法，这就是我想出的:
您一次穿过 X 轴和 Y 轴 3n 个像素，创建 3n x 3n 的正方形。
对于3n x 3n正方形中间的n x n正方形(姑且称之为Z正方形)，将R、G、B的值取平均后四舍五入到预设值来限制颜色的数量，即该正方形将被视为的颜色。
对周围的 8 个 n x n 方 block 也是如此。
之后，将方 block Z 的颜色与周围的方 block 进行比较，如果它与周围 8 个方 block 中的 x 匹配，其中 x <= 3 或 x => 5 则这是一个兴趣点(检测到角点) .
以此类推，直到覆盖所有图像。
n越大，图像扫描速度越快，检测精度越低，反之亦然。
据推测，这可以检测“字面角”，即您可以在图像上实际看到的角。
你觉得这个算法怎么样？有效率吗？它可以用于手持设备上的实时视频流(比如来自相机)吗？
最佳答案
很抱歉，我认为这不太可能很好。您的算法看起来有点像 Moravec's algorithm 的简化版本，它本身就是最简单的角点检测算法之一。您测试的硬编码限制有效地使您的边缘测试成为阶梯函数，这与求和平方差等方法不同。对于某些值，这几乎肯定会给您的检测功能带来不连续性(角落不匹配，而它们应该匹配)。
您也有与 Moravec 相同的问题，即如果边缘与所考虑的邻居的方向成一定角度，则不会检测到它。
开发算法很有趣，如果这不是业务关键型项目，那么一定要继续进行修补和试验(不要被我的评论拖延!)。但事实是，对于几乎所有实际问题，几乎肯定已经存在针对您要解决的任务的更好算法。真正的挑战是确定如何以最好的方式对问题建模，以便您可以使用专家设计的现有的、易于理解的方法来解决问题。
特别是，对边缘情况和最坏情况运行时的稳健识别和分析是一项棘手的工作；除非你是专业的算法学家，否则你可能会发现进展很困难。但我当然鼓励您通过尝试自己发现这一点。 nlucaroni提到了一些很好的问题，可用作您分析的起点。
关于algorithm - 您如何看待这种兴趣点检测算法？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/1362984/