主要参考博客：
https://blog.csdn.net/u012507022/article/details/54138299
https://blog.csdn.net/xiaowei_cqu/article/details/8216109
看是看harr特征的时候我一把就想到了harr小波变换，但是我就是不明白这两个东西有什么联系。
看过很多博客后在联系小波变换的一些知识，忽然就感觉自己理解了，但是这对不对我就不敢说了。
小波变换是为了解决傅里叶变换的空间分辨率无法细化而产生的一种新的函数分解方式。一个函数与不同的基函数的卷积运算就能得到该基函数的系数，当基函数在函数上滑动时，当基函数的形状与函数的某个部分相近时就能获得最大的结果。这时该基函数就能获得最大的系数。如果一个基函数拥有较大的系数那么就说明该基函数与函数有很长的相关性（形状很像）。
所以harr特征的特征算子都是模仿的各种各样的图像特征。
边缘：
一边白一边黑，模拟四个方向的边缘形状。
线型：
一条线就是中间和两边差异大，模拟各种方向和宽度的直线。
点：
harr特征的个数计算：
harr特征的个数计算主要是这边博客讲的不错https://blog.csdn.net/xiaowei_cqu/article/details/8216109。
对一个harr特征算子计算特征个数并不是将该特征算子在一幅图里面进行滑动将每个位子都计算一遍就行了，还要将该harr算子的尺寸以二为倍数进行扩展直到harr算子的尺寸达到极限值（小于等于图像的大小）。然后再分别进行滑动计算harr特征。详细的计算公式和代码上面那篇博客讲的非常详细。