harris角点检测matlab_Harris角点检测{HarrisCornerDetection}

〔此篇介绍Harris角点检测算法〕

作者 | zhangJA来源 | 程序算法实验室

Harris角点检测算法是一个对图像的角点检测，通常在计算机视觉算法中用于提取角点并推断图像特征。它是由Chris Harris和Mike Stephens在1988年对Moravec的转角检测算法进行改进后提出的。

Harris角点检测算法可以计算角度的变化，实现定位；实现图像匹配；

1：原理

原理概述：

Harris角点检测算法的基本思想：使用一个固定窗口在图像上进行任意方向上的滑动，比较滑动前与滑动后两种情况，窗口中的像素灰度变化程度，如果存在任意方向上的滑动，都有着较大灰度变化，那么我们可以认为该窗口中存在角点。

如下图：part1为平坦区域-任意方向移动，无灰度变换；part2为边缘-沿着边缘方向移动，无灰度变化；part3为角点-沿任意方向移动，明显有灰度变化。

数学描述：

①当窗口发生[u,v]移动时，那么滑动前与滑动后对应的窗口中的像素点灰度变化描述如下： 

$E(u,v)=\sum_{x,y\in W}w(x,y)[I(x+u,y+v)-I(x,y)]^2 \tag{1}$

• [u,v]是窗口W的偏移量；

• (x,y)是窗口W所对应的像素坐标位置，窗口有多大，就有多少个位置；

• I(x,y) 是像素坐标位置(x,y)的图像灰度值；

• I(x+u,y+v)是像素坐标位置(x+u,y+v)的图像灰度值；

• w(x,y) 是窗口函数，最简单情形就是窗口W内的所有像素所对应的w权重系数均为1；

根据上述表达式，当窗口在平坦区域上移动，显然灰度不会发生什么变换，E(u,v)=0；如果窗口处在纹理比较丰富的区域上滑动，那么灰度变化会很大。算法最终思想就是计算灰度发生较大变化时所对应的位置，此处的变化大小是指任意方向上的滑动，并非单一个方向。

②由泰勒一阶展开公式对\tag{1}：

$f(x+u,y+v)\approx f(x,y)+uf_x(x,y)+vf_y(x,y) \tag{2}$

代入①得：

$E(u,v)=\sum_{x,y\in W}w(x,y)[I(x+u,y+v)-I(x,y)]^2\approx\sum_{x,y\in W}w(x,y)[I(x,y)+uI_x+vI_y-I(x,y)]^2$