计算机视觉特征点检测（1） —— Harris特征点检测器

前言

在计算机视觉中，特征点又称为兴趣点或者角点，它通常具有旋转不变性和光照不变性和视角不变性等有点，是图像的重要特征直以，常被应用到目标匹配、目标跟踪、三维重建等应用中。
本篇介绍较为基础的Harris角点检测算法。

基础知识

角点

使用一个滑动窗口在图中滑动时，不管朝哪个方向移动，像素值都会发生很大变化。这个称之为角点。

角点有以下几个类型：

算法原理

算法的核心是利用局部窗口在图像上进行移动，判断灰度是否发生较大的变化。从而判断角点。
Harris角点检测算法分为以下三步：

1. 当窗口（局部区域）同时向$x$（水平）和$y$（垂直）两个方向移动时，计算窗口内部的像素值变化量$E(x,y)$；
2. 对于每个窗口，都计算其对应的一个角点响应函数$R$；
3. 然后对该函数进行阈值处理，如果$R>threshold$，表示该窗口对应一个角点特征。

Harris特征点检测器的数学模型

1. 窗口移动引起的灰度值的变化值：$|I(x+u,y+v)-I(x,y)|$。
2. $w(x,y)$表示位置$(x,y)$处的窗口函数，即表示窗口内各像素的权重。
3. $E(u,v)={\sum }_{x,y}^{}w(x,y)[I(x+u,y+v)-I(x,y){]}^2$，其中用均值滤波表示$w(x,y)=1$

Taylor展开

这里引用二维的Taylor展开式：
$T(x,y)=f(u,v)+(x-u)f_x(u,v)+(y-v)f$