opencv学习44：图像角点检测Harris

1.概述

角点作为图像中的关键特征，在图像图形的理解与分析过程中发挥着重要作用。在保持图像核心特征的同时，能够有效降低数据量，从而提升信息密度，并加快计算速度，为图像的稳定匹配提供支持，使得实时处理得以实现。该特征在物体识别、图像匹配、视觉跟踪以及三维重建等多个领域具有广泛的应用价值。

从图像分析的角度来看，角点可被定义为以下两种形式：

1. 角点是两条边缘交汇形成的顶点
2. 角点是在局部区域内具备两个主要方向的特征点

第一种定义通常需要对图像边缘进行编码，而这一过程高度依赖于图像分割与边缘提取技术，不仅计算复杂度较高，而且当目标区域出现局部变化时，极易导致检测失败。

角点检测算法大致可分为三类：基于灰度图像的检测方法、基于二值化图像的检测方法以及基于轮廓曲线的检测方法。其中，基于灰度图像的检测方式又可进一步划分为基于梯度的方法、基于模板的方法以及结合模板与梯度的方法。在这些方法中，基于模板的方式主要关注像素邻域内的亮度变化情况，并将那些与周围像素亮度差异显著的点判定为角点。常见的基于模板的角点检测算法包括Kitchen-Rosenfeld角点检测法、Harris角点检测法、KLT角点检测法以及SUSAN角点检测法。本部分内容重点介绍Harris角点检测技术。

2.Harris角点检测原理

Harris角点检测的理论推导通过一篇博客进行