这个公式的意思真的很简单。想象一下，您拍摄图像的两个相同大小的小区域，蓝色区域和红色区域：

窗口函数在红色矩形外等于 0（为简单起见，我们可以假设窗口在红色矩形内简单地保持不变）。因此，窗口函数选择您要查看的像素，并为每个像素分配相对权重。（最常见的是高斯窗口，因为它是旋转对称的，计算效率高，并且强调窗口中心附近的像素。）蓝色矩形移动了 (u,v)。

接下来计算标记为红色和蓝色的图像部分之间的平方差之和，即逐个像素地减去它们，将差值平方并求和结果（为简单起见，假设我们正在查看的区域中的窗口 = 1在）。这为每个可能的 (u,v) -> E(u,v) 提供了一个数字。

让我们看看如果我们计算不同的 u/v 值会发生什么：

首先保持 v=0：

这应该不足为奇：当它们之间的偏移量 (u,v) 为 0 时，图像部分之间的差异最小。随着您增加两个补丁之间的距离，差异平方和也会增加。

保持 u=0：

该图看起来很相似，但是当您将蓝色矩形沿边缘方向移动时，两个图像部分之间的平方差之和要小得多。

E(u,v) 的完整图如下所示：

情节看起来有点像“峡谷”：如果您将图像沿峡谷方向移动，则只有很小的差异。那是因为这个图像块具有主导（垂直）方向。

我们可以对不同的图像补丁做同样的事情：

在这里，E(u,v) 的图看起来不同：

无论您以哪种方式移动补丁，它总是看起来不同。

所以函数 E(u,v) 的形状告诉我们一些关于图像补丁的信息

• 如果 E(u,v) 在任何地方都接近 0，则您正在查看的图像补丁中没有纹理
• 如果 E(u,v) 是“峡谷形”，则补丁具有主导方向（这可能是边缘或纹理）
• 如果 E(u,v) 是“锥形”，则补丁具有纹理，但没有主导方向。这就是角检测器正在寻找的那种补丁。

许多参考资料说这是窗口“w”移动的幅度......那么窗口移动了多少？一个像素......两个像素？

通常，您根本不计算 E(u,v)。您只对 (u,v)=(0,0) 附近的形状感兴趣。所以你只想要 E(u,v) 在 (0,0) 附近的泰勒展开，它完全描述了它的“形状”。

窗口覆盖的像素位置的总和吗？

从数学上讲，让总和范围覆盖所有像素更优雅。实际上，对窗口为 0 的像素求和是没有意义的。