一 算法概述
1.核心思路
在搞清楚Harris角点检测算法前，先明白了什么是角点~
如下图，是各种类型的角点。????
但是在一幅图像中，判断某一个像素点是不是角点，核心想法是：
在这样一个绿色方框中，这个窗口的中心点，不管是在竖直方向上移动还是在水平方向上移动，在任意的一个方向移动，这一都无灰度变化。
在这样一个绿色方框中，这个窗口的中心点，在沿着边缘的方向移动时，无灰度变化。
在这样一个绿色方框中，这个窗口的中心点，不管向哪个方向移动。都会有明显灰度变化。
就是给它一个小窗口滑来滑去看它是否有灰度变化。
2.数学表达
（u,v)是竖直方向和水平方向上的偏移；
I(x+u,y+v)是这个像素点偏移后的灰度值；
I(x,y)是这点原灰度值；
相减之后再平方是为了不要出现负数。
将函数泰勒展开：
Ix是图像水平梯度，Iy是图像竖直梯度（梯度的计算，很多梯度算子就可以算，数字图像处理课程学过Sobel算子）
举一个图片的例子：
比如点在这条边上时，上下动一动，这个点不会有灰度变化；左右动一动就有灰度变化了。统计一下水平和竖直方向的梯度：梯度值的分布大多靠近x轴。近似一个椭圆。
点在这种平坦的位置时，向哪个方向移动，都不会有灰度变化。
这个点周围，没有什么像素值的变化，统计一下水平和竖直方向的梯度：可以看到大多都聚集在原点，近似一个小小的圆形。
比如这里一个点。这个点，竖直方向动一动，有明显灰度变化；水平方向动一动，有明显灰度变化。所以它是一个角点。统计一下水平和竖直方向的梯度：近似一个长短半径数值都很大的椭圆形。
记M的特征值，其实就是这个大的椭圆形的长短轴。
3.角点响应函数
可以得出：
①R值只与M的特征值有关
②R＜0，边缘点
③R＞0，角点
④R≈0，平坦区
二 实验结果
1.对场景1进行Harris角点检测
2.对场景2进行角点检测
3.对场景3进行角点检测
三 错误分析
最开始运行代码只有一张图片可以检测到角点，每张都会出现这个错误，学长说可能是公式中分母为0.
为了不让分母出现0的情况，将代码改为下面这样就可以检测了
四 总结
Harris角点对亮度和对比度的变化敏感度不高，具有旋转不变性，不具有尺度不变性。