OpenCV实战（16）——角点检测详解

0. 前言

在计算机视觉中，兴趣点 (interest points) 也称为关键点 (keypoints) 或特征点 (feature points)，广泛用于解决对象识别、图像匹配、视觉跟踪、3D 重建等领域的问题。与其将图像作为一个整体进行评估，不如选择可以用于局部分析的点，以获得将该点应用于局部或全局的信息。只要在图像中检测到足够数量的关键点，并且这些点具有可以精确定位的独特且稳定的特征，就能够利用这些点进行图像分析。

1. Harris 特征检测器

在图像中搜索特征点时，角点 (corners) 是一个重要特征，角点可以很容易地在图像中定位，它们通常大量存在于带有夹角的场景中，例如，由墙壁、门、窗、桌子等产生。角点是可以精确定位的二维特征，它们通常位于两个或多个边缘的交界处，这与位于均匀区域或物体轮廓上的点(难以在同一物体的其他图像上重复精确定位)不同。Harris 特征检测器是检测图像角点的经典方法，本节，我们将介绍如何运用 Harris 特征检测器。

1.1 检测 Harris 角点

在 OpenCV 中，可以使用函数 cv::cornerHarris 检测 Harris 角点。

(1) 传入输入图像调用 cv::cornerHarris 函数，结果保存在浮点图像 cornerStrength