forstner算子特征点提取(1)计算数据的方差是否大于一定阈值（3.0），否则不存在兴趣点计算像素的和dSumPixel，像素的平方和dSquareSumPixel方差dVar计算公式：Var(X)=E(X^2)-(E(X)^2)(2)逐像素计算灰度差（四个灰度差值的第二大值）是否大于一定阈值，满足要求选定为可能的兴趣点定义兴趣点的标记bool *bFlags = new bool[iPixelCount];设定阈值为 doubledGrayThreshold = dVar/6.0;(3）逐像素计算在一定窗口内（5×5）的圆度pq值，兴趣值pw值。计算根据该像素所在窗口元素组成的协方差矩阵获取，如下所示公式。pq的阈值选定为0.625，大于该阈值选为待定点；pw的阈值选定为所有的待定点pw值的平均值，大于该阈值继续保留为待定点。(4)判断待定点是否为极值点，即在其周围像素中是否有待定点且pw值大于该像素，如果存在则该点非极值点。(5)如果提取的兴趣点数目大于限制的最大点数，按照pw兴趣值排序，获取兴趣值较大的点。

一种算子提取指纹图像特征点的方法，可以借鉴一下

用于数字摄影测量特征点提取的学习。典型的特征点检测算法有两种，一种需要对图像边缘进行编码，这在很大程度上依赖于图像的分割与边缘提取，具有相当大的难度和计算量，且一旦待检测目标局部发生变化，很可能导致操作的失败。另一种基于图像灰度的方法通过计算点的曲率及梯度来检测特征点，此类方法主要有Moravec算子、Forstner算子、Harris算子、SUSAN算子等。课程学习只做了Forstner算子和Harris算子。

采用matlab分别编写的Moravec和Forstner算子提取图像中的特征点，效果不错。

开发环境为vs2015 debug x64+opencv3.2。资源为一个源.cpp文件，三个算子分别写成了三个函数。下载前请先看一下环境和opencv版本是否一致。