正在前面的系列博文中，介紹了多種特征算子，在本文中將介紹由Kanade-Lucas兩人在上世紀80年代在其論文： An Iterative Image Registration Technique with an Application to Stereo Vision中提出的一個算子，后來稱為KLT算法。該算法最開始是一種圖像點定位的方法，即圖像的局部匹配，將圖像匹配問題，從傳統的滑動窗口搜索方法變為一個求解偏移量d的過程。后來， Jianbo Shi和Carlo Tomasi兩人在1994的CVPR上發表了篇論文： Good Features To Track，進一步對KLT算法進行了完善，并在該文中分析了在求解d的過程中，哪些情況下可以保證一定能夠得到d的解，這些情況的點有什么特點（其實就是一些角點）。下面的內容將對論文中介紹的KLT算法進行詳細地介紹與分析。

           最初，KLT算法是為了解決圖像配準問題（Registration Problem）而提出的，可以表述如下：對于給定的圖像F(x)和G(x)，需要找到一個視差向量（Disparity Vector）h使得F(x+h)與G(x)的差

總結

以上是生活随笔為你收集整理的图像处理特征不变算子系列之KLT算子的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。