1、 分别应用Harris和Shi-Tomasi方法检测图像bridge.jpg中的角点

首先，导入必要的库和加载图像：

import cv2
import numpy as np

img = cv2.imread('bridge.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

然后，我们可以使用Harris方法来检测角点：

# Harris corner detection
dst = cv2.cornerHarris(gray, 2, 3, 0.04)

# Threshold for an optimal value
img[dst > 0.01 * dst.max()] = [0, 0, 255]

cv2.imshow('Harris Corner Detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

这将在图像中突出显示检测到的角点。在上面的代码中，我们使用`cv2.cornerHarris()`函数来计算角点的响应函数，并使用阈值来识别角点。

接下来，我们可以使用Shi-Tomasi方法来检测角点：

# Shi-Tomasi corner detection
corners = cv2.goodFeaturesToTrack(gray, 50, 0.01, 10)
corners = np.int0(corners)

for i in corners:
    x, y = i.ravel()
    cv2.circle(img, (x, y), 3, 255, -1)

cv2.imshow('Shi-Tomasi Corner Detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，我们使用`cv2.goodFeaturesToTrack()`函数来检测图像中的角点，并使用`cv2.circle()`函数在每个角点周围画圆。

这两种方法都可以用来检测图像中的角点，但是它们在一些方面有所不同。Harris方法对噪声敏感，但对角点具有更好的响应；Shi-Tomasi方法在噪声方面更健壮，但对角点的响应不如Harris方法强烈。