数字图像处理成长之路11：harris角点检测

前言

    时间过去了大约一个月，成长之路已经写到第11篇，前面的10篇使我得到了锻炼，初步体验了数字图像处理的趣味，同时提高了自己的一些不足。比如数学知识有所巩固加强。在编程的过程中，我只是把原理初步的用c++描述出来，当运行程序后，发现效率总不令人满意，这也在提醒我，优化算法与代码的重要性，但在优化的过程中还要尽量不牺牲程序的可读性。程序的界面用的是QT写的，随着界面功能的增多，提高代码复用并减少对封装的破坏也是我关注的一个问题。

        总之，之前的篇可以说是知识的热身阶段，真正的学习或许是从这篇角点检测开始，因为角点检测是很重要的知识点，用途很多，也有一定难度。限于我目前的水品，也只能够试着写出自己的理解，随着日后知识的提升，这篇文章也会加以完善。

        参考了很多文章，也会在结尾列出这些连接。关于harris角点检测，网上虽然有很多文章，不过也都大多互相参考。有些问题，如，harris算法与moravce算法相比，在方向上的改进体现在哪？

        既然harris角点检测算法是对Moravce算法的改进，所以我们先来看看Moravce算法。

    如果像素在一个平坦的区域中，那么临近的像素值会相差不多。如果像素在边缘上，那么在与边缘平行的方向上，像素值较接近，而在与边缘垂直的方向上，像素值变化会剧烈。如果像素是一个角点，那么像素值在任何方向都会出现剧烈变化。

    这是Moravce算法的基本思路，那么如何描述这种变化？最简单的是用差值来表示，为了避免负数，用差值的平方来表示。

        以水平方向为例：

         ， 其中k=w/2 ， w 为窗口大小，以 3x3 窗口为例， k=1 ，展开有： ， 同理可以计算出竖直方向 ，对角线方向 ， 。然后找到最小值 ，以像素在水平边缘为例， ， 然后设置一个阈值T ，如果，则说明这不是一个角点。

Harris算法

     u,v为水品和垂直方向微小移动。其中 

    两式合并：

    

        在矩阵理论中，上式称为二次型矩阵。  是对称矩阵。 在几何上是椭圆。可以把矩阵M变成标准型。标准型的各项系数就是矩阵的特征值。

        计算特征值的方法需要很大的计算量，harris并没有这样做，而是利用矩阵的迹和行列式的值来计算一个角点响应R来判断角点：

        当R为正时检测到的是角点。其中 ，是M的特征值。

程序

    本来想试着用C++写写算法的实现，不过看到网上有一个写的不错，于是不打算写了，这是网上的一个：

    https://github.com/RonnyYoung/ImageFeatures/blob/master/source/harris.cpp

    今天这个文章就算一个笔记吧，记录自己学习的过程，对于角点检测的学习还没有结束，这篇文章还有很多需要修改的地方，待我知识更多的时候，要回来完善。

参考：

http://www.cnblogs.com/ronny/p/4009425.html

http://blog.csdn.net/newthinker_wei/article/details/45603583

https://www.zhihu.com/question/38902714?from=profile_question_card