一：大致算法流程
1 .针对各像素点计算图像的x方向、y方向的2阶偏导数，计算图像的XY方向的导数
2 .根据第一步的计算结果，Hessian Matrix计算D(h) = Ixx*Iyy - Ixy*Ixy
这里Ixx表示x方向的二次偏导数
Iyy表示y方向的二次偏导数
IXY表在xy方向的二阶导数
3 .基于在步骤2中计算的值，使用33窗口实现除最大信号之外的冲压，
我的做法是直接提高了threshold值。 这其实不太对。 真的很懒，不想得到。
2 :导数计算的实现
关于一阶和二阶高斯偏导数的计算请看这里：
3358 blog.csdn.net/Jia 20003/article/details/16369143
三)程序效应
四：算法代码
package com.gloomy fish.image.Harris.corner； import Java.awt.image.buffered image； import java.util.ArrayList； import java.util.List； import com.gloomy fish.filter.study.abstractbufferedimageop； publicclasshessianfeaturedetectorextendsabstractbufferedimageop { privategaussianderivativefiltergdfilter； privatedoubleminrejectthreshold=4.1； //(R1 ) )2/rprivatelisthessianmatrixpixelmatrixlist； publichessianfeaturedetector ((GD filter=newgaussianderivativefilter )； pixelmatrixlist=newarraylisthessianmatrix (； } @ overridepublicbufferedimagefilter (bufferedimagesrc，BufferedImage dest ) {int width=src.getWidth； int height=src.getHeight (； initsettings(height，width )； if (dest==空) dest=createcompatibledestimage (src，空)； int [ ] in pixels=new int [ width * height ]； GD filter.setdirectiontype (gaussianderivativefilter.xx _ direction )； bufferedimagebixx=GD filter.filter (src，null )； getRGB(bixx，0，0，width，height，inPixels )； extractpixeldata(inpixels，gaussianderivativefilter.xx _ direction，height，width )； //yydirectiongdfilter.setdirectiontype (gaussianderivativefilter.YY _ direction )； bufferedimagebiyy=GD filter.filter (src，null )； getRGB(biyy，0，0，width，height，inPixels )； extractpixeldata(inpixels，gaussianderivativefilter.YY _ direction，height，width )； //xydirectiongdfilter.setdirectiontype (gaussianderivativefilter.xy _ direction )； bufferedimagebixy=GD filter.filter (src，null )； getRGB(bixy，0，0，width，height，inPixels )； extractpixeldata(inpixels，gaussianderivativefilter.xy _ direction，height，width )； int [ ] out pixels=new int [ width * height ]； int index=0； for(introw=0； rowheight； row}{intta=0，tr=0，tg=0，tb=0； for (内部=0； colwidth； col}{index=row*widthcol； ta=255； hessianmatrixhm=pixelmatrixlist.get (index )； double[] t=hm.getThreshold (； if (t [0] minrejectthreshold ({ tr=127； } else { tr=0； (if ) t[1]minrejectthreshold ) { tg=127； } else { tg=0； (if ) t )2) minrejectthreshold ) { tb=127； } else { tb=0； }outpixels[index]=(ta24 )|) tr16(|TG8(|TB； }setRGB(dest，0，0，width，height，outPixels )； return dest； } privatevoidinitsettings (int height，int width ) { int index=0； for(introw=0； rowheight； row () for ) intcol=0； colwidth； col}{index=row*widthcol； hessianmatrixmatrix=newhessianmatrix (； pixelmatrixlist.add(index，matrix )； } } privatevoidextractpixeldata (int [ ] pixels，int type，int height，int width ) { int index=0； for(introw=0； rowheight； row}{intta=0，tr=0，tg=0，tb=0； for (内部=0； colwidth； col}{index=row*widthcol； ta=(Pixels[index]24 )0xff； tr=(Pixels[index]16 )0xff； TG=(Pixels[index]8)0xff； tb=pixels[index]0xff； hessianmatrixmatrix=pixelmatrixlist.get (index )； if (type==gaussianderivativefilter.xx _ direction ) matrix.setxx(newdouble[]{tr，tg，tb} )； }类型==gaussianderivativefilter.YY _ direction ) matrix.setYY(newdouble[]{tr，tg，tb} )； }类型==gaussianderivativefilter.xy _ direction ) matrix.setxy(newdouble[]{tr，tg，tb} )； } } }}} 转载请注明！