Harris角点检测（实验）

1. 实验原理及目的

1.1实验原理

在 1988 年的文章《A CombinedCorner and Edge Detector》中就已经提出了焦点检测的方法，被称为Harris 角点检测。他把这个简单的想法转换成了数学形式。将窗口向各个方向移动（u，v）然后计算所有差异的总和。表达式如下：

窗口函数可以是正常的矩形窗口也可以是对每一个像素给予不同权重的高斯窗口
角点检测中要使 E (μ,ν) 的值最大。这就是说必须使方程右侧的第二项的取值最大。对上面的等式进行泰勒级数展开然后再通过几步数学换算（可以参考其他标准教材），我们得到下面的等式：

这里I x 和 I y 是图像在 x 和 y 方向的导数。然后就是主要部分了。他们根据一个用来判定窗口内是否包含角点的等式进行打分。

其中：

det（ M）是矩阵M的行列式，Trace(M)为矩阵M的迹。k为修正值，是一个常数，经验取值为0.04-0.06。算出响应值之后，根据R与阈值T的比较来判断是否为角点。


结论:
1.当|R|很小时，R<T , 认为该点处于图像的平坦区域。
2.当R<0时，R<T , 认为该点处于图像的边缘区。
3.当R>0时，R>T, 认为该点位置就是图像角点。

1.2 实验目的(要求)

1. 需要拍摄纹理平坦、垂直或水平边缘多（如建筑物）、纹理角点丰富的三种场景
2. 每种场景，至少需要有 正面、侧面、旋转、尺度（远近）变化，最好能再加光照变化
3. 每种场景实验结果结束后，做实验结果的分析，分析内容需涉及到原理与实验结果的对应关系

2. 实验源代码

# -*- coding: utf-8 -*-
from pylab import *
from PIL import Image
from PCV