检测图像中的角点

在图像中搜索有价值的特征点时，使用角点是一种不错的方法。角点是很容易在图像中定位的局部特征，并且大量存在于人造物体中（例如墙壁、门、窗户、桌子等）。角点的价值在于它是两条边缘线的接合点，是一种二维特征，可以被精确地检测（即使是亚像素级精度）。与此相反的是位于均匀区域或物体轮廓上的点，这些点在同一物体的不同图像上很难重复精确定位。
Harris 特征检测是检测角点的经典方法，OpenCV 中检测 Harris 角点的基本函数是 cv::cornerHarris，它的使用方法非常简单。调用该函数时输入一幅图像，返回的结果是一个浮点数型图像，其中每个像素表示角点强度。然后对输出图像阈值化，以获得检测角点的集合。代码如下所示：

// 检测 Harris 角点
cv::Mat cornerStrength; 
cv::cornerHarris(image, // 输入图像
 cornerStrength, // 角点强度的图像
 3, // 邻域尺寸
 3, // 口径尺寸
 0.01); // Harris 参数
// 对角点强度阈值化
cv::Mat harrisCorners; 
double threshold= 0.0001; 
cv::threshold(cornerStrength,harrisCorners, 
 threshold,255,cv::THRESH_BINARY);