OpenCV之Shi-Tomasi角点检测

本文主要是介绍OpenCV之Shi-Tomasi角点检测，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

除了利用Harris进行角点检测外，还可以利用Shi-Tomasi方法进行角点检测。Shi-Tomasi算法是Harris算法的改进。OpenCV实现此算法的函数名为goodFeaturesToTrack，这是因为概算子是1994年在文章《Good Features to Track》中被提出的。

确定图像强角点：goodFeaturesToTrack()函数

goodFeaturesToTrack()函数结合了Shi-Tomasi算子，用于确定图像的强角点，函数原型：

void goodFeaturesTrack(InputArray image, OutputArray corner, int maxCorners, double qualityLeval, double minDistance, Inputarray mask=noArray, int blockSize=3, bool useHarrisDetector=false, double k=0.4)

第一个参数：InputArray类型的image，输入图像，需要是8位或者浮点型32位的单通道图像。
第二个参数：OutputArray类型的corners，检测到是角点的输出向量。
第三个参数：角点的最大数量。
第四个参数：double类型的maxCorners，角点检测可接受的最小特征值，通常不会超过1，常用的值是0.1或0.01.
第五个参数：double类型的minDistance，角点之间的最小距离，此参数用于保证返回的角点之间的距离不小于minDistance个像素。
第六个参数：InputArray类型的mask，可选参数，表示感兴趣区域，默认是noArray()，用于指定角点检测区域。
第七个参数：int类型的blockSize，默认值是3，计算导师自相关矩阵时指定的邻域范围。
第八个参数：bool类型的useHarrisDetector，默认时false，表示是否用harris角点检测。
第九个参数：double类型的k，默认值时0.04，用于设置Hessian自相关矩阵行列式的相对权重的权重系数。

此外，goodFeaturesToTrack()函数可用来初始化一个基于点的对象跟踪操作。

代码示例：

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>using namespace std;
using namespace cv;int main() {int maxCornerNumber = 50;Mat srcImage, grayImage;srcImage = imread("/Users/dwz/Desktop/cpp/1.jpg");cvtColor(srcImage, grayImage, COLOR_BGR2GRAY);vector<Point2f> corners;double qualityLevel = 0.01;double minDistance = 10;int blockSize = 3;double k = 0.04;Mat copy = srcImage.clone();goodFeaturesToTrack(grayImage,corners,            // 输入图像maxCornerNumber,    // 检测到的角点qualityLevel,       // 角点的最大角点数量minDistance,        //Mat(),blockSize,false,k);int r = 4;for (unsigned int i=0; i<corners.size(); i++){circle(copy, corners[i], r, Scalar(0, 0, 255), -1, 8, 0);}imwrite("corner.jpg", copy);return 0;
}

输入：