本文是本人看bilibili教学结合官方文档的观后笔记，链接在下：
（全）基于python的Opencv项目实战_哔哩哔哩_bilibili
如果有什么理解不到位的地方，欢迎指正。
理论：
先放角点定义（百度百科）： 角点就是极值 点，即在某方面属性特别突出的 点。 当然，你可以自己定义 角点的属性（设置特定熵值进行 角点检测）。 角点可以是两条线的交叉处，也可以是位于相邻的两个主要方向不同的事物上的 点。
opencv中的解释:corners are regions in the image with large variation in intensity in all the directions.
于是可以利用各个方向移动强度的不同，判断是否为角点，公式如下：
第一项为权值函数，可以为方形加权，也可以为高斯加权
第二项基于泰勒展开
其中：泰勒公式：
可以近似等于：
其中两个偏导数可以用梯度函数来计算，例如：cv.sobel()
公式容易得出为二次型，可以写为：
其中：
根据矩阵加法，将累加符换入矩阵中。
由数学定理可知：实对称矩阵必可以相似对角化。所以M中的矩阵可以化为对角矩阵：
其实是一个椭圆方程：
写为方程式：
所以：
当λ1与λ2都很大时，表示在U，V方向变化快速，应为角点。
当|R|值很小，意味着：λ1与λ2都很小，检测点为flat
当R
当R值很大，意味着：λ1与λ2都很大，且近似相等，检测点为角点
函数：
cornerHarris(img,blocksize,ksize,k)->dst
•dst – 返回一个单通道数组
• img – 数据类型为 float32 的输入图像。
• blockSize – 角点检测中指定区域小。
• ksize – Sobel 求导中使用的窗口大小
• k – 取值参数为 [0,04,0.06]
代码：
import cv2 as cv
import numpy as np
img = cv.imread("test_1.jpg"
#需要传入灰度图像
grayimg = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
#返回的结果是一个单通道数组
grayimg = np.float32(grayimg)
dst= cv.cornerHarris(grayimg,2,3,0.04)
img[dst>0.01*dst.max()] = [0,0,255]
cv.imshow("Harris corner",img)
cv.waitKey(）
Original: https://blog.csdn.net/weixin_45966600/article/details/122814790
Author: 牛油果酸奶
Title: Harris角点检测原理-
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/645187/
转载文章受原作者版权保护。转载请注明原作者出处！