1. 原文http://blog.csdn.net/zouxy09/article/details/7929570
   （Haar-like特徵值無非就是兩個矩陣畫素和的差，同樣可以在常數時間內完成。所以矩形特徵的特徵值計算，只與此特徵矩形的端點的積分圖有關，所以不管此特徵矩形的尺度變換如何，特徵值的計算所消耗的時間都是常量。這樣只要遍歷影象一次，就可以求得所有子視窗的特徵值。）

2. http://www.cnblogs.com/lwl2015/p/4460711.html（Boxfilter的原理有點類似Integral Image，而且比它還要快，但是實現步驟比較複雜。在計算矩形特徵之前，Boxfilter與Integral Image都需要對影象進行初始化（即對陣列A賦值），不同於Integral Image, Boxfilter的陣列A中的每個元素的值是該畫素鄰域內的畫素和（或畫素平方和），在需要求某個矩形內畫素和的時候，直接訪問陣列中對應的位置就可以了。因此可以看出它的複雜度是O(1)。　

Boxfilter的初始化過程非常快速，每個矩形的計算基本上只需要一加一減兩次運算。從初始化的計算速度上來說，Boxfilter比Integral Image要快一些，大約25%。在具體求某個矩形特徵時，Boxfilter比Integral Image快4倍，所謂的4倍其實就是從4次加減運算降低到1次，雖然這個優化非常渺小，但是把它放到幾層大迴圈裡面，還是能節省一些時間的。對於那些實時跟蹤檢測演算法，一幀的處理時間要嚴格在40ms以下，正是這些細小的優化決定了程式的效率，積少成多，聚沙成塔。）