Harris角点检测的核心掩模

Question

// Convolution with horizontal differentiation kernel mask
float h = ((src[-srcStride + 1] + src[+1] + src[srcStride + 1]) -
          (src[-srcStride - 1] + src[-1] + src[srcStride - 1])) * 0.166666667f;

// Convolution vertical differentiation kernel mask
float v = ((src[+srcStride - 1] + src[+srcStride] + src[+srcStride + 1]) -
          (src[-srcStride - 1] + src[-srcStride] + src[-srcStride + 1])) * 0.166666667f;

我需要在哈里斯角上实现的这种内核掩码的理论。那是什么样的内核掩码？是prewitt还是任何不同的内核？我很难找到一篇可以解释内核掩码的论文

Answer 1

确实是Prewitt operator。

在索引到src（输入图像）之后，使用srcStride要跳过的数组元素的数量来寻址y-direciton中的下一个邻居，可以看到{{1} }按以下顺序从h获取元素并使用以下权重：

src

这对应于使用以下内核的卷积（请记住卷积镜像内核）：

-1/6   0   1/6
-1/6   0   1/6
-1/6   0   1/6

这再次对应两个卷积

| 1  0  -1 |
| 1  0  -1 | / 6
| 1  0  -1 |

即，它水平应用微分滤波器（中心差），垂直应用均匀平滑滤波器。

请注意，均匀平滑滤波器具有一些非常差的质量（它会翻转某些频率成分的符号，并且通常很难平滑），因此使用Sobel's operator总是更好（使用三角形平滑滤波器）或最好是Gaussian gradients。