角点检测算法大致有三类：基于灰度图像的角点检测，基于二值图像的角点检测，基于轮廓曲线的角点检测。基于灰度图像的角点检测又可分为基于梯度、基于模板和基于模板梯度组合3类方法，其中基于模板的方法主要考虑像素领域点的灰度变化，即图像亮度的变化，将与邻点亮度对比足够大的点定义为角点。常见的基于模板的角点检测算法有Kitchen-Rosenfeld角点检测算法，Harris角点检测算法、KLT角点检测算法及SUSAN角点检测算法。

1. Harris角点检测器

Harris角点检测主要经过以下步骤：

1.1，对图像进行高斯滤波；

1.2，对每个像素，估计其垂直方向的梯度大小值，使用近似于导数的核做两次一维卷积；

1.3，对每一像素核给定的邻域窗口：计算局部结构矩阵和响应函数；

1.4，选取响应函数的一个阈值，以选择最佳候选角点并完成非极大值抑制；

关于Harris角点检测器的具体算法，可以参考这篇博文：harris角点检测器
下面我们来一步一步的使用Harris来检测图像中的角点：

# Harris 角点检测器
img_gray = np.float32(gray