C#调用OpenCvSharp实现图像的角点检测

  角点检测用于获取图像特征，以支撑运动检测、目标识别、图像匹配等方面的应用。常用的角点检测算法包括Kitchen-Rosenfeld算法、Harris算法、KLT算法、SUSAN算法等，本文学习并测试Harris角点检测算法。
  关于Harris算法的数学原理请见参考文献1的第18、19课，其总共花50分钟左右讲解算法数学原理。OpenCvSharp中Harris算法的函数原型如下：

public static void CornerHarris(InputArray src, OutputArray dst, int blockSize, int ksize, double k, BorderTypes borderType = BorderTypes.Reflect101)

  其中：
    -src，源图像，带检测角点的图像，一般为灰度图，Mat类型；
    -dst，保存角点检测几个，其类型和尺寸与src相同；
    -blockSize，邻域大小，详见参考文献3-4；
    -ksize，Sobel算子的孔径大小，只能取1、3、5、7（参考文献3）；
    -k，权重系数，一般取0.04~0.06（参考文献1）。
  实际测试过程中，将角点检测结果归一化处理，然后检测超过指定阈值的位置，并在原图中标识，主要代码及程序运行效果如下所示：

using Mat imgSrc = Cv2.ImRead(lblMsg.Text);
using Mat imgGray = new Mat();
Cv2.CvtColor(imgSrc, imgGray, ColorConversionCodes.BGR2GRAY);

using Mat imgDest = new Mat(imgGray.Size(), MatType.CV_32FC1);

Cv2.CornerHarris(imgGray, imgDest, blockSize, ksize, k);

using Mat imgNorm =new Mat();
Cv2.Normalize(imgDest, imgNorm, 0, 255, NormTypes.MinMax);

for (int i = 0; i < imgNorm.Rows; i++)
{
    for (int j = 0; j < imgNorm.Cols; j++)
    {
        if (imgNorm.At<float>(i, j) > thrould)
        {
            Cv2.Circle(imgSrc, j, i, 5, color);
        }
    }
}

Cv2.ImShow("角点检测", imgSrc);

参考文献：
[1]花12800买来的【OpenCV全套】教程，花费156个小时整理的OpenCV计算机视觉基础版全套视频教程，涵盖核心知识点，全程干货，无废话
[2]OpenCV3编程指南
[3]https://blog.csdn.net/holybin/article/details/40984955
[4]https://www.cnblogs.com/kbqLibrary/p/12482664.html