角点的定义：
“如果某一点在任意方向的一个微小变动都会引起灰度很大的变化，那么我们就把它称之为角点”。角点一般反应的是图像中局部最大值或最小值的孤立点，以角点为中心点的窗口向图像中的任意方向滑动，都会引起较大的灰度变化。
角点检测(Corner Detection)是计算机视觉系统中用来获得图像特征的一种方法，广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域中。
关于角点的具体描述还有以下几种：
一阶导数(即灰度的梯度)的局部最大所对应的像素点；
两条及两条以上边缘的交点；
图像中梯度值和梯度方向的变化速率都很高的点；
角点处的一阶导数最大，二阶导数为零，指示物体边缘变化不连续的方向。
本文给出在OpenCV环境下用算法moravec、harris、Shi-Tomasi进行角点检测的示例程序，具体算法的原理请大家自行查阅相关文档，这里不讲原理。
moravec角点检测：
代码如下：
代码请加Q2034196302获取
代码请加Q2034196302获取
代码请加Q2034196302获取
运行结果截图如下：
harris角点检测：
OpenCV提供了函数cornerHarris进行harris角点检测。
函数cornerHarris()原型如下：
C++: void cornerHarris(InputArray src, OutputArray dst, int blockSize, int ksize, double k, int borderType=BORDER_DEFAULT )
参数意义如下：
src:源图像，类要求是single-channel 8-bit 或 floating-point image.
dst:存储角点检测结果。数据类型是CV_32FC1，大小和源图像相同。
blockSize：算法涉及到的邻域大小。
ksize：Sobel核算子大小。
k：Harris算法参数，具体什么意义，请参考下面的公式。
borderType：边界处理方法，具体的说明加Q2034196302获取
这个函数在计算harris角点时，对于每一个像素点(x,y)，计算2×2的梯度方差矩阵M^(x,y)，计算时的邻域为blockSize×blockSize，然后通过下面的公式计算出角点。
使用cornerHarris函数进行harris角点检测的代码如下：
代码请加Q2034196302获取
代码请加Q2034196302获取
代码请加Q2034196302获取
运行结果截图如下：
Shi-Tomasi角点检测
OpenCV提供了函数goodFeaturesToTrack进行Shi-Tomasi角点检测。
函数原型如下：
C++: void goodFeaturesToTrack(InputArray image, OutputArray corners, int maxCorners, double qualityLevel, double minDistance, InputArray mask=noArray(), int blockSize=3, bool useHarrisDetector=false, double k=0.04 )
参数意义如下：
image：源图像，图像类型为8-bit或floating-point 32-bit的单通道图像。
corners：角点检测输出。
maxCorners：返回的最大角点数。
qualityLevel：可接受的最少角点数的比例因子。如果检测到角点数小于最佳角点数乘以qualityLevel的值，则结果被拒绝。比如如果最佳角点数为1500，qualityLevel=0.01，则当结果小于15时，这个结果被拒绝。
minDistance：对于初选出的角点而言，如果在其周围minDistance范围内存在其他更强角点，则将此角点删除
mask：掩码阵列。掩码中的非0元素对应的图像元素将会被计算，0元素则被屏蔽不参与计算，可选参数。
blockSize：算协方差矩阵时的窗口大小
useHarrisDetector：是否使用Harris算法函数或cornerMinEigenVal检测角点。
k：Harris角点检测需要的k值.
使用函数goodFeaturesToTrack进行Shi-Tomasi角点检测的代码如下：
代码请加Q2034196302获取
代码请加Q2034196302获取
代码请加Q2034196302获取
运行结果截图如下：
