最近用到：Harris检测图像中边缘处的特征点，并且需要两张图特征点匹配起来。Harris只是一个角点检测的算法，最终只得到特征点坐标，想要匹配需要描述，而Harris是单尺度的，自己写描述函数又有些麻烦。找到MATLAB和opencv都有集成的函数：
MATLAB版本通过调节参数，效果还可以，存在一定的误匹配。
clc,clear
%读取、灰度化、显示
I1= imread('sample_01.jpg');
I1=rgb2gray(I1); %把RGB图像变成灰度图像
% figure
% imshow(I1)I2= imread('sample_10.jpg');
I2=rgb2gray(I2);
% figure
% imshow(I2)%寻找特征点
points1 = detectHarrisFeatures(I1,'MinQuality',0.002); %读取特征点,'MinQuality',0.005
% points2 = detectSURFFeatures(I2);
points2 = detectHarrisFeatures(I2,'MinQuality',0.002); figure
imshow(I1);
hold on;
plot(points1);figure
imshow(I2);
hold on;
plot(points2);%Extract the features.计算描述向量
[f1, vpts1] = extractFeatures(I1, points1);
[f2, vpts2] = extractFeatures(I2, points2); %进行匹配
indexPairs = matchFeatures(f1, f2,'Method','NearestNeighborSymmetric','MatchThreshold',20) ;
%用'Method','NearestNeighborSymmetric'，阈值调节用'MatchThreshold',范围0-100，表示选择最强的匹配的百分比，越大匹配点越多
%用'Method','NearestNeighborRatio'，阈值调节'MaxRatio',0.7，范围0-1，默认0.6，较大该值获得较多匹配
matched_pts1 = vpts1(indexPairs(:, 1));
matched_pts2 = vpts2(indexPairs(:, 2));resultpairs1 = matched_pts1.Location; %存储匹配点坐标
resultpairs2 = matched_pts2.Location;%显示匹配
figure('name','匹配后的图像');
showMatchedFeatures(I1,I2,matched_pts1,matched_pts2,'montage');
legend('matched points 1','matched points 2'); OPENCV版本误匹配实在太多，没找到具体原因，选择的匹配方法是BruteForce。优点是opencv内部有Harris的改进版本goodFeaturesToTrack，可以进行Shi-Tomasi角点检测，能够设置角点数目，角点之间的最小距离，避免Harris点过于密集重复。
