Harris Corner Detection(角点检测)——笔记

计算机如何识别角点？

• 任意方向上，像素变化率大的点。

计算机如何区分平坦区域，边缘区域，角点区域？

• 平坦的区域：在所有方向像素梯度变化不大。
• 边缘区域：只有在某个方向有明显的梯度不变化。
• 角度边缘：在各个方向梯度值有明显的变化。

为了防止武断，我们在判断是否为角点时，选取一个小领域进行判断，而不是一个点。这样就大大避免了判断失误的情况。

w(x,y) ： 可取（窗口内为1，窗口外为0） 或者高斯核（体现了不同区域，影响程度不同）。

I(x+u,y+v) : 表示窗口内移动后的数值。

I(x,y)：表示窗口移动之前的数值。

I(x+u,y+v)—I(x,y)：为窗口值的变化

E(u,v)的值：即窗口值的变化加起来。表示了窗口移动后亮度的变化程度。

判断为角点：E(u,v)的值越大，为角点的可能就越大。

 

二维泰勒展开公式：

将E(u,v)展开：

Ix表示对灰度图x方向求导（用sobel核卷积）

用M表示中间的矩阵乘w(x,y)

• 如果λ1与λ2都比较大，并且近似相等时，则可能为角点；
• 如果λ1远小于λ2或者λ1远大于λ2，则为边；
• 否则为平坦区域。

det M 表示m的行列式，等于λ1乘λ2；

trace M 表示M的迹，等于λ1加λ2；

为了表示λ1与λ2同时很大，用以下表达式来体现：

R为每个像素点的得分，得分越高为角点的可能越大。