一、图像边缘检测原理：
边缘是指其周围像素灰度急剧变化的那些象素的集合，它是图像最基本的特征。边缘存在于目标、背景和区域之间，所以，它是图像分割所依赖的最重要的依据。由于边缘是位置的标志，对灰度的变化不敏感，,因此，边缘也是图像匹配的重要的特征。
边缘检测和区域划分是图像分割的两种不同的方法，二者具有相互补充的特点。在边缘检测中，是提取图像中不连续部分的特征，根据闭合的边缘确定区域。而在区域划分中，是把图像分割成特征相同的区域，区域之间的边界就是边缘。由于边缘检测方法不需要将图像逐个像素地分割，因此更适合大图像的分割。
边缘大致可以分为两种，一种是阶跃状边缘，边缘两边像素的灰度值明显不同;另一种为屋顶状边缘，边缘处于灰度值由小到大再到小的变化转折点处。
边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括(i)深度上的不连续、(ii)表面方向不连续、(iii)物质属性变化和(iv)场景照明变化。边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。
二、Canny算子边缘检测
Canny 的目标是找到一个最优的边缘检测算法，最优边缘检测的含义是:
好的检测- 算法能够尽可能多地标识出图像中的实际边缘。
好的定位- 标识出的边缘要尽可能与实际图像中的实际边缘尽可能接近。
最小响应- 图像中的边缘只能标识一次，并且可能存在的图像噪声不应标识为边缘。
为了满足这些要求 Canny 使用了变分法，这是一种寻找满足特定功能的函数的方法。最优检测使用四个指数函数项的和表示，但是它非常近似于高斯函数的一阶导数。
三、角点及Harris角点的基本原理：
角点就是极值点，即在某方面属性特别突出的点。当然，你可以自己定义角点的属性(设置特定熵值进行角点检测)。角点可以是两条线的交叉处，也可以是位于相邻的两个主要方向不同的事物上的点。
Harris角点的基本原理：
人眼对角点的识别通常是在一个局部的小区域或小窗口完成的。如果在各个方向上移动这个特征的小窗口，窗口内区域的灰度发生了较大的变化，那么就认为在窗口内遇到了角点。如果这个特定的窗口在图像各个方向上移动时，窗口内图像的灰度没有发生变化，那么窗口内就不存在角点；如果窗口在某一个方向移动时，窗口内图像的灰度发生了较大的变化，而在另一些方向上没有发生变化，那么，窗口内的图像可能就是一条直线的线段。
四、SURF特征提取： 在SURF算法中，特征点的判据为某像素亮度的Hessian矩阵的行列式(Dxx*Dyy-Dxy*Dxy)为一个极值。由于Hessian矩阵的计算需要用到偏导数的计算，这一般通过像素点亮度值与高斯核的某一方向偏导数卷积而成；在SURF算法里，为提高算法运行速度，在精度影响很小的情况下，用近似的盒状滤波器（0，1，1组成的box filter）代替高斯核。因为滤波器仅有0，-1,1，因此卷积的计算可以用积分图像（Integral image）来优化（O(1)的时间复杂度），大大提高了效率。每个点需计算Dxx，Dyy，Dxy三个值，故需要三个滤波器；用它们滤波后，得到一幅图像的响应图（Response image，其中每个像素的值为原图像素的Dxx*Dyy-Dxy*Dxy）。对图像用不同尺寸的滤波器进行滤波，得到同一图像在不同尺度的一系列响应图，构成一个金字塔（该金字塔无需像SIFT中的高斯一样进行降采样，即金字塔每组中的每层图像分辨率相同）。 特征点的检测与SIFT一致，即若某点的Dxx*Dyy-Dxy*Dxy大于其邻域的26个点（与SIFT一致）的Dxx*Dyy-Dxy*Dxy，则该点为特征点。特征点的亚像素精确定位与SIFT一致。 其次，描述子的建立 为保证特征点描述子的旋转不变性，需对每个特征点计算主方向。计算主方向的过程如下： 统计以特征点为中心，正比于特征点尺度的某个数位半径，张角为60°的扇形区域内所有像素点的 sumX=（y方向小波变换响应）*（高斯函数），sumY=（x方向小波变换响应）*（高斯函数）， 计算合成向量角度θ=arctan(sumY/sumX)，模长sqrt(sumy*sumy+sumx*sumx)。 将扇形沿逆时针旋转（一般取步长为0.1个弧度），以同样方法计算合成向量。 求出各方向扇形的合成向量模长最大值，其对应的角度即特征点主方向。 描述子的建立过程如下： 选定以特征点为中心的一块正方形区域，将其旋转与主方向对齐。 将正方形分为4x4的16个子区域，对每个区域进行Haar 小波变换（同样用积分图像加速），得到4个系数。 由上述两步，生成4x4x4=64维向量，即描述子，用它可以进行匹配等工作。
五、例题
1.I=imread('circuit.tif'); BW1=edge(I,'prewitt'); BW2=edge(I,'canny'); subplot(1,2,1),imshow(BW1); subplot(1,2,2),imshow(BW2);
2.I=imread('pout.tif');%确定待检测的图像区域并显示 I=I(1:150,1:120); subplot(1,2,1); imshow(I); title('输入图像'); CM=cornermetric(I);%对图像进行Harris角点提取 corner_peaks=imregionalmax(CM);%查找矩阵中最大值并显示 corner_idx=find(corner_peaks==true); [r g b]=deal(I); r(corner_idx)=255; g(corner_idx)=255; b(corner_idx)=0; RGB=cat(3,r,g,b); subplot(1,3,3); imshow(RGB); title('图像中的角点')
3.I=imread('cameraman.tif'); POINTS=detectSURFFeatures(I); imshow(I);hold on; plot(POINTS.selectStrongest(10));
此步骤读不出图片，不知原因，求解。
