兴趣点算子
图像特征点提取——Moravec算子
基本原则是选择局部灰度变化最大点作为特征点，
数字图像处理中的算子
4.2.2兴趣算子
图中画个米字格，上下左右，斜上斜下j个方向取8，i表示米字的大小
对点云进行抽稀（按照给定的距离阈值将这些微距离点取平均高度后合并或过滤）
图像面积除以点数得到每个点占多少面积，结果开平方得到对应的正方形边长，得到格网的初始边长
按理来说，男女比例差不多，是一个男的找一个女的，必然会出现一个人有好几个追求对象，一个人没人喜欢的现象（必然会出现数据缝隙和栅格内包含多个激光点的情况，即一个待转换栅格内存在激光足点数为0，1，>1三种情况
这片上只有一个大法官，什么事都找他（激光点数为1，直接将该点高程赋值给栅格），两个法官在两人平均一下，一堆法官在这，牛逼的管大头，剩下的人管小头，这没有管事的，就得让别的地区的法官帮帮忙（当栅格内激光点数为0时，栅格的高度值取其摩尔邻域的平均值或通过插值确定）
什么是摩尔邻域？
空间中点的距离，x，y，z坐标相减，平方相加开方，是空间中的斜边，x，y相减平方相加开方是底边边长，他这个斜率是斜边比底边，不应该是高比底边吗？
特征点特征点，最有特征的点，斜率最大的点，最大的特征 胖 高 黑
4.3.3.3 兴趣转换的空间意义
4.2.4转换后高度图像的信息量测度
4.2.4.1 信息损失测度方法
多数人都是差不多的，然而网上的买宾利住大别墅的人更为吸引眼球，更容易获得多数人的关注，让人感觉好像就自己过的很惨一样（平面建筑的顶面点簇的斜率信息的损失，对转换质量的影响不大；但是如果有一个格网内非兴趣点的兴趣值都偏大，就有可能损失更多的特征信息）
4.3高度图像的纹理性质与测度
4.3.1 纹理的性质
一般是通过观察（不知道这样写对不）
11月3日，计划把未完成的笔记发出来，计划下午三点钟继续读文献 写总结，你真棒，你能力一般，你知道 ，你还在努力继续做着自己能做的事情，你真棒，你可以完成你能完成的，你可以走的慢，你可以的，相信你自己。你能完成你能力范围的，那你可以做到你可以做到的。