harris角点,亚像素 以及 hdrplus的亚像素对齐

角点检测：Harris 与 Shi-Tomasi

   最近在弄对齐，对齐里有个亚像素对齐，然后opencv里又有个角点亚像素refine，然后就到了角点...,这一系列关联下去，就去学了个角点，然后这些基本推导都非常类似...
    看上去只要是扯到图像结构啥的，都会涉及到梯度啊，局部极小，然后taylor，hessian，特征值一系列都会有所涉及，所以原理推导基本都很类似。
    1.harris角点认为局部移动导致变化强烈的点就是角点，然后公式里talor展开合并得到一个二次型，矩阵就是类hessian。二次型矩阵是实对称矩阵A，可以正交分解成特征值特征向量形式，然后空间内某方向的变化都可以由两个方向线性表达，所以变化量就是两特征值的组合。这里的类hessian是半正定矩阵，特征值全是非负的
    2.角点就是变化强烈的地方，可以用特征值来衡量。  然后harris角点弄了个响应函数R（主要就是只用行列式与迹来组合判断特征值是否比较大），Tomasi后来的改良是直接判断最小特征值比较大，就是说图像有两个垂直方向，变化都很强烈，导致任意方向都很强烈
    3.这里看上去有个有趣的推论：图像局部移动，肯定存在垂直的两个方向，这两个方向恰好就是是所有方向中的变化最大与变化最小的。 
      类似局部问题，只要taylor展开，类似推导，是半正定的二次型都这样。

链接里