机器学习进阶-图像特征harris-角点检测 1.cv2.cornerHarris(进行角点检测)

1.cv2.cornerHarris(gray, 2, 3, 0.04)  # 找出图像中的角点

参数说明：gray表示输入的灰度图，2表示进行角点移动的卷积框，3表示后续进行梯度计算的sobel算子的大小，0.04表示角点响应R值的α值

角点检测：主要是检测一些边角突出来的点，对于A和B这样的面上的点而言，一个卷积框在上面移动，框中的基本像素点不发生变化， 对于像C和D边界点，只有x或者y轴方向上的平移，像素框内的像素会发生偏移，而对于E和F这样的角点而言，不管是像x轴或者向y轴平移，像素框内的像素都会发生偏移, 就好比图中的绿色方框一样

角点检测的基本原理，使用一个3*3的卷积框，在图上每一点进行平移操作，对于当前位置，在向上或者向下，向左或者向右平移一个像素点后的，两个图像像素点之间的差异，即w表示的是加权值，可以全部都是1，也可以使用高斯卷积，以此对中心点的像素改变做加权

使用一阶泰勒展开对I(x+∆x, y+∆y) 进行泰勒展开 等于 I(x, y) + Ix