【局部特征】二、Harris角点

人眼对角点的识别通常是通过一个局部小区域或小窗口完成的，如果在各个方向山，移动这个特定的小窗口，窗口内图像的灰度发生了比较大的变化，那么，就可以认为我们在窗口内遇到了角点；如果在这个特定窗口在各个方向上移动时，窗口内图像的灰度没有发生变化，那么，窗口内就不存在角点；如果窗口在某一个（些）方向移动时，窗口内的图像灰度发生比较大的变化，但是在另一些方向上没有发生变化，那么，窗口内的图像可能就是一条直线的线段。

下面不再过多介绍Harris角点的推导过程，直接给出相应的结论。

Harris图像角点检测算法大致可以归纳成如下的形式：

（1.计算图像I(x,y)在X和Y两个方向的梯度Ix,Iy。

（2.计算图像两个方向上梯度的乘积。

（3.使用高斯函数对上面的三个乘积进行加权操作(σ=1)，生成矩阵M的元素A、B和C。

其中，w指的是高斯核函数。

（4.计算每个像元的Harris相应值R，并对小于某一阈值t的R置零

其中

（5.在3x3或5x5的邻域内进行非最大值抑制，局部最大值点就是图像中的角点。

在使用Harris角点进行角点检测时，需要设置参数α，而α的大小将直接影响角点响应值R，进而影响角点提取的数量

对于α对角点检测的影响，有以下的结论:

增大α值，将减小角点响应值R，降低角点检测的灵敏性，减少被检测角点的数量；

减小α值，将增大角点响应值R，增加角点检测的灵活性，增加被检测角点的数量。