哈里斯邊角偵測（）是被廣泛運用在電腦視覺的角檢測演算法，主要是用於從影像中找出代表邊角的特徵點。最早是由Chris Harris和Mike Stephens在1988年所提出，在當時是莫拉維克邊角偵測器的改進版本

一般而言，哈里斯邊角偵測演算法可以分成下列幾個步驟:

彩色影像轉換成灰階影像

空間微分的計算

彩色影像轉換成灰階影像
如果輸入是一張彩色影像，第一步便是轉換成灰階影像，可以加快處理速度

空間微分的計算
第二步是計算整張圖的 I_x( x, y), I_y( x, y) 。

建構結構張量
有了 I_x( x, y), I_y( x, y) 的資訊後，我們便可以建構結構張量 M 。

計算哈里斯響應
在這一步，我們會運用下列的近似的式子來計算結構張量矩陣的最小的特徵值:

\lambda _{min} \approx \frac{ \lambda _1 \lambda _2} {(\lambda _1+\lambda _2)} = \frac{det(M)} {trace(M)}

trace(M) = m_{11} + m_{22}

另外一種常見的哈里斯響應是

R = det(M) - k(trace(M))^2 = \lambda _1 \lambda _2 - k (\lambda _1 + \lambda _2)^2

而k是一個由經驗所訂出來的常數， k \in [0.04, 0.06] 。

非極大值抑制
由於只靠前面的步驟選出的特徵點很可能會在一小塊區域有很多個，我們希望能在局部區域選出值最大的，因此會設定各個擁有局部最大值的特徵點的距離不能太接近，如此便可以有效選出比較分散在整張圖的特徵點。

改進的偵測演算法
來源：

應用

更多
*
*

參考資料
外部連結