harris和eigenvalue角点检测算法

以下是Harris角点检测算法和Eigenvalue角点检测算法的介绍：

1. Harris角点检测算法

Harris角点检测算法是一种常用的角点检测算法，它通过计算图像中每个像素点的响应函数来检测角点。该算法的基本思想是：对于一个窗口内的像素点，如果它在不同方向上移动一个很小的距离，其灰度值的变化都很大，那么这个像素点就是一个角点。Harris角点检测算法的响应函数R的计算公式如下：

R = det(M) - k * (trace(M))^2

其中，M是一个2x2的矩阵，表示窗口内像素点的梯度信息，k是一个常数，一般取值为0.04~0.06。当R的值很大时，表示该像素点是一个角点；当R的值很小时，表示该像素点是一个边缘点；当R的值为负数时，表示该像素点是一个平坦区域。

2. Eigenvalue角点检测算法

Eigenvalue角点检测算法是一种基于图像局部结构的角点检测算法，它通过计算图像中每个像素点的结构张量的特征值来检测角点。该算法的基本思想是：对于一个窗口内的像素点，如果它在某个方向上的梯度变化很大，而在另一个方向上的梯度变化很小，那么这个像素点就是一个角点。Eigenvalue角点检测算法的结构张量T的计算公式如下：

T = [∑(∂Ix)^2 ∑∂Ix∂Iy]
[∑∂Ix∂Iy ∑(∂Iy)^2]

其中，Ix和Iy分别表示像素点在x和y方向上的梯度，∂表示偏导数。计算出结构张量T后，可以通过求解其特征值来判断像素点的类型。当特征值中的较小值很小时，表示该像素点是一个角点；当特征值中的较小值很大时，表示该像素点是一个边缘点；当特征值中的较小值和较大值都很小时，表示该像素点是一个平坦区域。