如何使用OpenCV从Harris角点检测器中提取关键点

我太懂这种感觉了！SURF这类检测器直接给你返回KeyPoint列表，省心得很，但Harris就得我们手动转一下——不过其实真的不难，你已经完成了最核心的角点检测和筛选，只差最后一步把坐标包装成KeyPoint对象而已。

核心思路 #

你已经在双重循环里筛选出了符合阈值的角点坐标(i,j)，现在只需要把每个符合条件的坐标，用cv::KeyPoint的构造函数包装起来，再塞进std::vector<cv::KeyPoint>里就行。

修改后的完整代码 #

我把你的代码补充了关键点提取的部分，看注释就能明白：

// 先定义存储KeyPoint的容器
std::vector<cv::KeyPoint> harris_keypoints;

/// Detecting corners
cv::cornerHarris(leftRoi, dst, blockSize, apertureSize, k, cv::BORDER_DEFAULT);

/// Normalizing
cv::normalize(dst, dst_norm, 0, 255, cv::NORM_MINMAX, CV_32FC1, cv::Mat());
cv::convertScaleAbs(dst_norm, dst_norm_scaled);

/// Drawing a circle around corners AND extracting KeyPoints
for (int j = 0; j < dst_norm.rows; j++) {
    for (int i = 0; i < dst_norm.cols; i++) {
        if ((int)dst_norm.at<float>(j, i) > 165) {
            // 保留你原有的画圆逻辑
            cv::circle(dst_norm_scaled, cv::Point(i, j), 5, cv::Scalar(0), 2, 8, 0);
            
            // 核心：创建KeyPoint并加入容器
            // 参数说明：
            // - cv::Point2f(i, j): 关键点的坐标（注意i对应x轴，j对应y轴）
            // - 5: 关键点的大小，和你画的圆半径一致就行
            // - -1: Harris检测器不提供方向信息，设为-1表示无方向
            // - dst_norm.at<float>(j, i): 角点的响应值，用来区分关键点的强弱
            // - 0: octave（层级），Harris不需要，设为0即可
            // - 0: class_id，不需要分类的话设为0
            harris_keypoints.emplace_back(cv::Point2f(i, j), 5, -1, dst_norm.at<float>(j, i), 0, 0);
        }
    }
}

/// Showing the result
cv::namedWindow("corners_window", cv::WINDOW_AUTOSIZE);
cv::imshow("corners_window", dst_norm_scaled);

后续使用提示 #

现在harris_keypoints里就存好了所有符合条件的关键点，你可以直接把它传给描述子提取器（比如cv::ORB、cv::BRISK）来计算描述子，之后就能进行特征匹配了。

需要注意的是：Harris角点没有方向信息，如果你用依赖方向的描述子（比如SIFT），效果可能会比自带方向的检测器差一些；但如果用ORB这类不依赖方向的描述子，完全没问题。

内容的提问来源于stack exchange，提问作者HM Moniruzzaman