Harris corner在尺度上存在問題，上一篇視頻中提出的思路是自動的選擇尺度，可能就解決了尺度不變性這個問題(找到一個尺度來定義這個點是不是Feature Point)。
自動選尺度如何操作？逐步調節窗口大小，找出一個比較適當的窗口，然後得出這是Feature Point的結論，然後留下這個點。
這個圖不清晰，但是看視頻應該可以理解。橫軸是window size，縱軸是Harris的響應。
上面的圖片說明了自動找合適window size是可行的。不過估計運算量很大吧？
那解決上述問題經典的辦法是？構造圖像金字塔，將圖像放縮到不同尺度，在不同尺度上使用固定window size來做計算。主要是加速
這樣就達到了自動變換window size的目的。
其他找角點的方法
- 先對高斯函數求拉普拉斯得到的結果作爲filter，在對圖像做圖像濾波，得到的濾波響應值找最大值，也可以作爲提取角點的一種方法。(LoG)
![]()
- 用兩個高斯函數，協方差不同的兩個高斯函數直接求Difference，這是對LoG的近似，但是求解速度較快。(DoG)
![]()
不同尺度響應不同，不管你是DoG或LoG或Harris。
現在平面上找最大響應，再在尺度空間上找響應最大的。H—L Harris Lapus。
Feature detector實驗結果。
window size 的確定對描述子的計算比較重要。
接下來講了Fast的角點檢測，我在其他博客上有寫過。
就是一個字——快！