Harris Corner Detection 哈里斯角检测

Harris角点检测

1. 基础知识

在许多图像处理的任务中，我们需要找到图像的特征点。那么什么样的点作为图像的特征点好呢？如下图：

• 蓝色窗口内是平坦区域，无论你将蓝色窗口移到周围何处，它看起来都一样。
• 黑色窗口内有一个边缘。如果你沿垂直方向（即沿渐变）移动黑色窗口，窗口内的图像会发生变化。沿着边缘（平行于边缘）移动，则看起来相同。
• 对于红色窗口，框起来的是一个角落。无论你将窗口向哪个方向移动，窗口内的图像看起来都会不同，这意味着绿色图像左上角的点是唯一的。因此，基本上，拐点(角点)被认为是图像中的良好特征。（不仅是角落，在某些情况下，斑点也被认为是不错的功能）

2. 公式推导过程

公式中的（x, y）是窗口中的像素点，公式只涉及窗口中包含的区域的像素计算，不是整张图片的。$w_{(x,y)}$是窗口中像素的权值，u, v分别表示窗口向x方向和y方向的位移(水平方向移动u个像素位置，垂直方向移动y个像素位置)，u, v 可为正数 可为负数。公式理解起来就是，窗口水平方向移动u个像素位置，垂直方向移动v个像素位置后，窗口内区域的像素值和窗口移动前框前区域内的像素值的差异。区域内的像素差可以乘以权值$w_{(x,y)}$。

用二元泰勒公式把上述公式中的 $I_{(x+u,y+v)}$ 展开，只保留到一阶导数的近似值：
$I(x+u,y+v)\approx I(x,y)+u{I}_x^{\prime }(x,y)+v{I}_y^{\prime }(x,y)$ 公式(1)

3. 代码讲解

相关基础知识:

1. 一元泰勒公式
   二元泰勒公式
2. 对角矩阵
3. 相似对角化
4. 正交矩阵的性质