图像处理中角点检测算法（Harris算法）中的一个部分，完全不明白算法的意义。对于任意点（x,y）可以得到下面一个式子：L(x,y)=A(u^2)+2C(uv)+B(v^2)都是标量u和v都是变量而且在0-1之间，且u+v=1,实际是用来加权平均的两个系数ABC已得到可以认为是常量，希望考察L在uv变化过程中的最小值Min，这个最小值越大（x,y）这个点成为角点可能性越大。L可以用二次型表示，变为L=[u,v]M[u,v]T(转置)M为二维方阵{{A,C},{C,B}}已有的Harris算法就把刚才考察L最小值的问题转化为了考察M方阵的两个特征值r1,r2认为r1r2都大于零且相差不大的情况下L的最小值较大。我想问这个是有什么定理或者公理性的东西做支撑吗？感觉是二次型的东西，方阵M的特性可以决定L形状的大体类型。=============================================================补充：此后，算法又把r1r2都大于零且相差不大的条件转化为了respond=det(M)-k(trace(M))^2k为常数行列式det(M)=r1*r2=AB-C^2迹trace(M)=r1+r2=A+B此时respondthreshold和“r1r2都大于零且相差不大”的条件相当。这个是刚好respond的公式有没有什么理论来源呢？
==================非常感谢，毕设里的问题，希望各位数学达人解答!注：这是harris算法的一个英文介绍上面的公式也可以找到：http://www.cim.mcgill.ca/~dparks/CornerDetector/harris.htm |
