Harris Corner特征简析

RT

前言

纯文字简述，
目的：找出角点， 即一个方形区域 的像素平方差比较大。
直接用累加平方差的 函数计算 会非常慢。因此，我们使用泰勒展开式（只有一阶）来得到这个公式的近似形式。
然后再把泰勒展开 化解为矩阵的形式， 最后利用特征值分解， 用lambda1, lambda2即可 计算每个窗口的 像素平方差分数。

简析

目标：找到角（角点 在任何方向都有特征响应！）
步骤:

1. 当窗口同时向x,y 移动， 计算窗口像素值变化E(u, v)， I（）为intensity即像素值

补充细节：
泰勒展开：

H矩阵
后面的计算得分需要用到det(H), trace(H)， 这里的R是旋转因子（符号无所谓，这个量不会用到）

2. 通过R函数计算窗口的得分
   

平面: 该窗口在平坦区域上滑动，窗口内的灰度值基本不会发生变化，所以 [公式] 值非常小，在水平和竖直方向的变化量均较小，即 [公式] 和 [公式] 都较小，那么 λ1 和 λ2 都较小；
边缘:[公式] 值为负数，仅在水平或竖直方向有较大的变化量，即 [公式] 和 [公式] 只有一个较大，也就是 λ1>>λ2 或 λ2>>λ1；
角点:[公式] 值很大，在水平、竖直两个方向上变化均较大的点，即 [公式] 和 [公式] 都较大，也就是 λ1 和 λ2 都很大

3. 过滤，用threshold对R函数得分进行过滤，剩下的窗口即为角特征
   除了检测角， Harris Corner同样可以用于对边缘响应进行过滤。
   

参考

参考链接