Harris corner在尺度上存在问题，上一篇视频中提出的思路是自动的选择尺度，可能就解决了尺度不变性这个问题(找到一个尺度来定义这个点是不是Feature Point)。
自动选尺度如何操作？逐步调节窗口大小，找出一个比较适当的窗口，然后得出这是Feature Point的结论，然后留下这个点。
这个图不清晰，但是看视频应该可以理解。横轴是window size，纵轴是Harris的响应。
上面的图片说明了自动找合适window size是可行的。不过估计运算量很大吧？
那解决上述问题经典的办法是？构造图像金字塔，将图像放缩到不同尺度，在不同尺度上使用固定window size来做计算。主要是加速
这样就达到了自动变换window size的目的。
其他找角点的方法
- 先对高斯函数求拉普拉斯得到的结果作为filter，在对图像做图像滤波，得到的滤波响应值找最大值，也可以作为提取角点的一种方法。(LoG)
![]()
- 用两个高斯函数，协方差不同的两个高斯函数直接求Difference，这是对LoG的近似，但是求解速度较快。(DoG)
![]()
不同尺度响应不同，不管你是DoG或LoG或Harris。
现在平面上找最大响应，再在尺度空间上找响应最大的。H—L Harris Lapus。
Feature detector实验结果。
window size 的确定对描述子的计算比较重要。
接下来讲了Fast的角点检测，我在其他博客上有写过。
就是一个字——快！