哈里斯边角检测器

哈里斯边角检测器是一个边角检测算子，通常用于计算机视觉算法中，以提取边角并推断图像的特征。

它是由ChrisHarris和MikeStephens在1988年对Moravec的角检测器进行改进后首次提出的。

与之前的检测器相比，Harris的角落检测器直接考虑了角落得分的差异与方向，而不是使用每45度角的移位补丁，并被证明在区分边缘和角落方面更加准确。

从那时起，它被改进并被许多算法所采用，以便为后续应用进行图像预处理。

角是一个点，它的局部邻域站在两个主要的、不同的边缘方向。换句话说，一个角落可以被解释为两条边缘的交界处，其中边缘是图像亮度的突然变化。

角部是图像中的重要特征，它们一般被称为兴趣点，对平移、旋转和光照都是不变的。

虽然角落在图像中只占很小的比例，但它们包含了恢复图像信息的最重要的特征，它们可以被用来尽量减少运动跟踪、图像拼接、建立二维马赛克、立体视觉、图像表示和其他相关计算机视觉领域的处理数据量。

为了从图像中捕捉角落，研究人员提出了许多不同的角落检测器，包括Kanade-Lucas-Tomasi（KLT）算子和Harris算子，它们在角落检测中的使用最为简单、高效和可靠。

这两种流行的方法都与局部结构矩阵密切相关并以其为基础。

与Kanade-Lucas-Tomasi角检测器相比，Harris角检测器在光照和旋转变化的情况下具有良好的重复性，因此，它更多地被用于立体匹配和图像数据库检索中。

尽管仍然存在缺点和局限性，但Harris角检测器仍然是许多计算机视觉应用的重要和基本技术。

在不丧失一般性的情况下，我们将假设使用一个灰度的二维图像。让这个图像由以下公式给出(窗口），并通过以下方式对其进行移位.这两个斑块之间的平方差之和（SSD），表示为{displaystylef}，由以下公式给出：{displaystylef}。{displaystyleI(x+Deltax,y+Deltay)}可以用泰勒法近似计算。可以通过泰勒扩展来近似。

一般来说，哈里斯拐角检测算法可以分为五个步骤。

空间导数计算结构张量设置哈里斯响应计算非xxx抑制彩色到灰度如果我们在彩色图像中使用哈里斯角检测器，xxx步是将其转换成灰度图像，这样可以提高处理速度。灰度像素的值可以被计算为彩色图像的R、B和G值的加权和。