1、Harris角點

Harris角點檢測是特徵點檢測的基礎，該檢測子對平移和旋轉魯棒。
Harris角點具有兩個非常重要的性質：
《1》、具有很大的梯度幅值；
《2》、在很小的近鄰內，梯度方向變化尖銳；
故可以通過視窗在小區域內滑動來確定角點位置。

直觀的角點理解：角點既是影象中物體輪廓的連線點，見下圖所示。當拍攝視角變化時這些特徵點能很好的保持穩定特性。

2、檢測原理及推導

（因為網上找原理很方便，所以就不打算把公式在部落格再寫一遍，直接由大神部落格截圖過來的）

程式設計時用x1,x2不方便，因此定義角點響應函式;
             R=det(M)−k(trace(M))^2 （一般的0.04 <= k <=0.06）

3、演算法步驟

1、sobel運算元計算出XY方向梯度；
2、計算各個方向的梯度幅值（Ix*Ix, Ix*Iy）及XY方向的梯度乘(Ix*Iy);
3、用高斯濾波對步驟2得到的3張圖進行濾波；
4、計算區域性特徵結果矩陣M的特徵值和響應函式R=det(M)−k(trace(M))^2
5、對步驟4得到的響應圖進行非極大值抑制，同時設定閾值進一步篩選好的角點；

4、輸出

中間是非極大值抑制後的輸出（角點的3x3範圍內填充黑色–圖中黑點），右邊的是角點響應進行非極大值抑制之前輸出的二值圖。

5、demo

6、參考

https://blog.csdn.net/xunalove/article/details/78066020
https://download.csdn.net/download/u014600742/7171437
https://blog.csdn.net/linqianbi/article/details/78930239
https://blog.csdn.net/woxincd/article/details/60754658