看了将近十来天的OPENCV了，无论是从官方文档，还是learning opencv，还是看各论坛，心里总有种感觉是：无法把自己看的知识联系在一起，感觉都是各有特色功能的函数，可是这些各有特色功能的函数怎么组合在一起，实现什么样的功能就不得而知了。
下面从角点的角度来讲讲吧 --（要说的是有些并非是本人所写，觉得别人有的地方写的经典就复制下来了）
使用函数 cornerHarris 通过 Harris-Stephens方法检测角点；
我们到底要角点干什么？？？？？？？？？？？？？？
下面我来回答这个问题，在计算机视觉中，我们需要比对两张图片，靠什么匹配，靠直方图，为啥????? 直方图包含哪些信息，如果需要快速的匹配，我们需呀哪些关键信息？
一张图片在你看来，最大的印象是什么？？？？？？？？？？回答是色彩，那变为gray图了呢，给你的最大的印象是什么呢？？？？？？？你可能一时回答不上来，那就是边缘。什么边缘，不同灰度之间的边缘，那怎么获得这些不同的边缘？？？？？？常年canny,阀值化，阀值化后怎么办呢？？还是不知到怎么比对，还需要哪些特战呢，再一步细化，那就到了 角点和斑点（感兴趣的区域）
下面我们就可以回答怎么去比对两张图片了
1---边缘 （边缘的获取方法：canny，开环或者闭环，再加上阀值，或者sobel之类算法）
2---角点 （cornerHarris，开环，闭环，再加上十字图形 菱形处理后， absdiff ,再去阀值，harris角点检测，Shi-Tomasi角点检测，FAST角点检测，尺度不变surf检测，尺度不变sift检测）
3---斑点 最生动形象的说话就是女孩子脸长了雀斑（ LoG算子：SIFT算法 Blob特征检测算子）
Harris角点检测
当一个窗口在图像上移动，在平滑区域如图(a)，窗口在各个方向上没有变化。在边缘上如图(b)，窗口在边缘的方向上没有变化。在角点处如图(c)，窗口在各个方向上具有变化。Harris角点检测正是利用了这个直观的物理现象，通过窗口在各个方向上的变化程度，决定是否为角点。
将图像窗口平移[u,v]产生灰度变化E(u,v)
由：
， 得到：
对于局部微小的移动量 [u,v]，近似表达为：
其中M是 2*2 矩阵，可由图像的导数求得：
E(u,v)的椭圆形式如下图：
定义角点响应函数 R 为：
Harris角点检测算法就是对角点响应函数R进行阈值处理：R > threshold，即提取R的局部极大值。
http://blog.csdn.net/xiaowei_cqu/article/details/7805206 可以参考这篇文档 写的很不错