數字影象處理成長之路11：harris角點檢測
前言
時間過去了大約一個月，成長之路已經寫到第11篇，前面的10篇使我得到了鍛鍊，初步體驗了數字影象處理的趣味，同時提高了自己的一些不足。比如數學知識有所鞏固加強。在程式設計的過程中，我只是把原理初步的用c++描述出來，當執行程式後，發現效率總不令人滿意，這也在提醒我，優化演算法與程式碼的重要性，但在優化的過程中還要儘量不犧牲程式的可讀性。程式的介面用的是QT寫的，隨著介面功能的增多，提高程式碼複用並減少對封裝的破壞也是我關注的一個問題。
總之，之前的篇可以說是知識的熱身階段，真正的學習或許是從這篇角點檢測開始，因為角點檢測是很重要的知識點，用途很多，也有一定難度。限於我目前的水品，也只能夠試著寫出自己的理解，隨著日後知識的提升，這篇文章也會加以完善。
參考了很多文章，也會在結尾列出這些連線。關於harris角點檢測，網上雖然有很多文章，不過也都大多互相參考。有些問題，如，harris演算法與moravce演算法相比，在方向上的改進體現在哪？
既然harris角點檢測演算法是對Moravce演算法的改進，所以我們先來看看Moravce演算法。
如果畫素在一個平坦的區域中，那麼臨近的畫素值會相差不多。如果畫素在邊緣上，那麼在與邊緣平行的方向上，畫素值較接近，而在與邊緣垂直的方向上，畫素值變化會劇烈。如果畫素是一個角點，那麼畫素值在任何方向都會出現劇烈變化。
這是Moravce演算法的基本思路，那麼如何描述這種變化？最簡單的是用差值來表示，為了避免負數，用差值的平方來表示。
以水平方向為例：
，其中k=w/2，w為視窗大小，以3x3視窗為例，k=1，展開有：
， 同理可以計算出豎直方向
，對角線方向
，
。然後找到最小值
，以畫素在水平邊緣為例，
，然後設定一個閾值T，如果
，則說明這不是一個角點。
Harris演算法
u,v為水品和垂直方向微小移動。其中 
兩式合併：
在矩陣理論中，上式稱為二次型矩陣。 
計算特徵值的方法需要很大的計算量，harris並沒有這樣做，而是利用矩陣的跡和行列式的值來計算一個角點響應R來判斷角點：
程式
本來想試著用C++寫寫演算法的實現，不過看到網上有一個寫的不錯，於是不打算寫了，這是網上的一個：
https://github.com/RonnyYoung/ImageFeatures/blob/master/source/harris.cpp
今天這個文章就算一個筆記吧，記錄自己學習的過程，對於角點檢測的學習還沒有結束，這篇文章還有很多需要修改的地方，待我知識更多的時候，要回來完善。
參考：
http://www.cnblogs.com/ronny/p/4009425.html
http://blog.csdn.net/newthinker_wei/article/details/45603583
https://www.zhihu.com/question/38902714?from=profile_question_card