OpenCV基于C++，使用coorerHarris函数提取图像中的角点，并将角点显示来，通过调整该函数的参数blockSize和ksize，观察其数值的变化对检测结果的影响。

好的，我可以回答你的问题。

首先，要提取图像中的角点，需要使用OpenCV中的cornerHarris函数。该函数的原型如下：

void cornerHarris(InputArray src, OutputArray dst, int blockSize, int ksize, double k, int borderType = BORDER_DEFAULT);

其中，参数含义如下：

- `src`：输入图像，必须是单通道、8位或32位浮点型图像。
- `dst`：输出图像，与输入图像大小相同，单通道、32位浮点型图像。
- `blockSize`：角点检测中使用的窗口大小，一般取值为3、5、7等奇数。
- `ksize`：Sobel算子的大小，一般取值为3。
- `k`：角点检测中的自由参数，一般取值为0.04~0.06。
- `borderType`：图像边界处理方式，默认为`BORDER_DEFAULT`。

调整`blockSize`和`ksize`参数，可以影响角点检测的结果。具体来说，当`blockSize`增大时，检测到的角点数量会减少，而当`blockSize`减小时，检测到的角点数量会增加。

当`ksize`增大时，检测到的角点数量也会减少，而当`ksize`减小时，检测到的角点数量会增加。

下面是一个示例代码，演示如何使用cornerHarris函数提取图像中的角点，并将角点显示出来：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    Mat src = imread("lena.jpg", IMREAD_GRAYSCALE);
    if (src.empty())
    {
        cout << "Could not open or find the image!\n" << endl;
        return -1;
    }

    int blockSize = 3;
    int ksize = 3;
    double k = 0.04;

    Mat dst = Mat::zeros(src.size(), CV_32FC1);
    cornerHarris(src, dst, blockSize, ksize, k);

    Mat dst_norm, dst_norm_scaled;
    normalize(dst, dst_norm, 0, 255, NORM_MINMAX, CV_32FC1, Mat());
    convertScaleAbs(dst_norm, dst_norm_scaled);

    for (int i = 0; i < dst_norm.rows; i++)
    {
        for (int j = 0; j < dst_norm.cols; j++)
        {
            if ((int)dst_norm.at<float>(i, j) > 100)
            {
                circle(dst_norm_scaled, Point(j, i), 5, Scalar(0), 2, 8, 0);
            }
        }
    }

    namedWindow("src", WINDOW_AUTOSIZE);
    namedWindow("dst", WINDOW_AUTOSIZE);

    imshow("src", src);
    imshow("dst", dst_norm_scaled);

    waitKey(0);

    return 0;
}

在该示例代码中，我们使用了lena.jpg作为输入图像，并设置了`blockSize`为3，`ksize`为3，`k`为0.04。运行代码后，会显示输入图像和提取出的角点，如下图所示：


你可以尝试修改`blockSize`和`ksize`的值，观察提取角点的效果。