Harris角点检测

Harris角点是一种常见的局部特征子，可以用在相机标定等场景，比如我之前的博客相机标定的实现。

下面介绍提取Harris特征点的一般步骤：

• 图像平滑，这里一般是通过高斯滤波减少噪声的影响。
• 计算图像的横向和纵向梯度。
• 计算自相关矩阵
• 计算角点响应，获取候选角点
• 非极大值抑制

1、计算图像梯度使用的是sobel或者prewitt算子。
2、自相关矩阵的定义如下：

它是2x2的矩阵，这里的$w(x,y)$是高斯分布矩阵。
3、这里通过自相关矩阵的特征值来判断是否为角点：

但是，实际处理过程中使用的是与特征值相关的一个角点响应$R$:

常见的$R$定义有：

其中：
$$\begin{gathered} tr(M)={\lambda }_1+{\lambda }_2 \\ det(M)={\lambda }_1{\lambda }_2 \end{gathered}$$

至于这里对于特征值的使用个人觉得与矩阵特征值的几何意义
有相似之处。
4、Harris角点的劣势是对尺度不敏感、提取的角点只是像素级。
在《An Analysis and Implementation of the Harris Corner
Detector》通过多尺度匹配解决了尺度问题，通过二阶泰勒展开将精度提升至亚像素级。

参考文献：https://blog.csdn.net/qq_18343569/article/details/47024213
https://pdfs.semanticscholar.org/6818/668fb895d95861a2eb9673ddc3a41e27b3b3.pdf?_ga=2.60221225.580641857.1588326235-1644658259.1585554485
https://www.ipol.im/pub/art/2018/229/article.pdf

代码：https://github.com/LittleAprilFool/harris-corner
https://www.ipol.im/pub/art/2018/229/harris-corner-detector_1.0.tgz