這或許在我的未來會是一個重大的發端。看似平常的一塌糊塗。
以前設計了一個網格線工具，差強人意，不知道有什麼用途。在沒想到未畸變網格之前，這個算是原始版本，可以看一看：
本來是想網格線工具覆蓋感興趣區域整個特徵，並感知其大概輪廓，沒成想，是以上結果，擱置很久，沒有進展。
直到重新整理這放不下惦記的標定，在一一對應一節中，喚起了了這久違的衝動，馬上去掉線圖像的感知能力，更改爲harris亞像素角點感知能力。花了一天時間嘗試琢磨做出來效果如下，無畸變網格登場：
以上結果是截止當下的最好結果，也很穩定，亞像素角點的梯度和在2500左右浮動。而opencv中點積爲零的兩個異常也都遇到了，這就是省去很多步驟帶來的壞處。
第一個異常，邊對亞像素角點的干擾：
這怎麼能叫亞像素角點呢？好在我找到了梯度和這個寶貝方法，邊上的點積爲零，但不是亞像素角點，怎麼排除，他的梯度和徘徊在1000-2000之間。
第二異常，均勻區域對亞像素角點的干擾：
梯度和真是太神了，這種均勻區域點積爲零的亞像素干擾角點，梯度和在500左右浮動，再一個異常排除。
除了這兩個問題得以展示外，上圖中白色區域，也是均勻區域，爲什麼干擾亞像素角點未出現呢？
今天的又一個收穫就是，發現亞像素角點的最小二乘實現算法一個錯誤，就是未考慮分母爲零的問題，他的體現就是白色均勻區域干擾亞像素未出現。
那麼爲什麼白色會出現分母爲零的情況，而黑色不會出現呢？我也感到很神奇！
在標定一一對應一節遇見你，未畸變網格，是一種緣分，他又讓我打開了一扇窗！也算是線工具網格的第二版本，但意義絕非僅僅如此。
他至少有兩種用途，
第一，標定中用
第二，他可以再細化，可以做可選擇操作網格掩碼用，在匹配中大顯身手
你有沒有發現，他是感興趣區域更具體的化身，他是一種平面的感知工具，在圖像之上，像感知圖層一樣？
我們的眼睛是否也有這樣的角點（穿越點），線型，平面粗略輪廓圖形的感知圖層呢？
另外，梯度和用了這麼久，發現一個叫積分和的東東，有很多相似之處，有機會，好好對比一下。