opencv python 曲率大一些的角点提取

可以使用OpenCV中的cornerHarris函数来提取曲率较大的角点。这个函数实现了Harris角点检测算法，可以通过调整参数来控制角点检测的精度和鲁棒性。

以下是一个示例代码，演示如何使用cornerHarris函数检测图像中的角点，并用圆圈标出它们的位置：

import cv2
import numpy as np

# 读入图像
img = cv2.imread('image.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 计算Harris角点响应函数
dst = cv2.cornerHarris(gray, blockSize=2, ksize=3, k=0.04)

# 标准化响应函数（0到1之间）
dst_norm = cv2.normalize(dst, None, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_32F)

# 阈值化响应函数，得到角点二值图像
thresh = 0.01 * dst.max()
dst_thresh = np.zeros_like(dst_norm)
dst_thresh[dst_norm > thresh] = 255

# 在原图上用圆圈标出角点
img[dst_thresh == 255] = [0, 0, 255]
cv2.imshow('corners', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在cornerHarris函数中，blockSize参数指定了角点检测时使用的邻域大小，ksize参数指定了Sobel算子的大小，k参数是Harris算法中的系数。可以通过调整这些参数来控制角点的检测精度和鲁棒性。

另外，上面的示例代码中使用了normalize函数将响应函数归一化到0到1之间，这样可以更好地可视化角点。