萌新学习手册：亚像素级别角点检测

在现实应用中我们的角点往往并不是整数，所以为了提高我们寻找角点的精确程度，我们需要进行处理，一般有三种方法

1.插值方法

2.基于图像矩计算

3.图线拟合（高斯曲面，多项式，椭圆曲面）其中高斯曲面最为常用

具体的使用过程就是我们先用Shi-Tomasi角点检测 把角点找出来，然后再进行精确

 cornerSubPix(InputArray image, 
              InputOutputArray corners, 
              Size winSize, Size zeroZone, 
              TermCriteria criteria）

这里介绍一下TermCriteria用于迭代算法的终止条件，该类变量需要3个参数，一个是类型，第二个参数为迭代的最大次数，最后一个是特定的阈值。类型有CV_TERMCRIT_ITER、CV_TERMCRIT_EPS、CV_TERMCRIT_ITER+CV_TERMCRIT_EPS，分别代表着迭代终止条件为达到最大迭代次数终止，迭代到阈值终止，或者两者都作为迭代终止条件。以上的宏对应的c++的版本分别为TermCriteria::COUNT、TermCriteria::EPS，这里的COUNT也可以写成MAX_ITER。

（https://blog.csdn.net/u010606097/article/details/20905153）

#include
#include
#define Rc Scalar(rng.uniform(0,255),rng.uniform(0,255),rng.uniform(0,255))
using namespace std;
using namespace cv;
const char* output_tile = "SubPixcel Result";
Mat src, gray_src;
RNG rng(12345);
int max_corners = 15;
int max_count = 500;
void subPixel_Demo(int, void*);
int main(int argc, char** argv) {
	src = imread("C:/Users/pbiha/Desktop/image/b1.jpg");
	if (src.empty()) {
		puts("Can't find the img...");
		return -1;
	}
	cvtColor(src, gray_src, COLOR_BGR2GRAY);
	namedWindow("input", CV_WINDOW_AUTOSIZE);
	imshow("input", src);
	namedWindow(output_tile, CV_WINDOW_AUTOSIZE);

	createTrackbar("Corners:", output_tile, &max_corners, max_count, subPixel_Demo);
	subPixel_Demo(0, 0);
	waitKey(0);
	return 0;
}

void subPixel_Demo(int, void*) {
	if (max_corners < 5)max_corners = 5;
	vectorcorners;
	double minDistance = 0;
	double qualityLevel=0.001;
	Mat resultImg = src.clone();
	goodFeaturesToTrack(gray_src, corners, max_corners, qualityLevel, minDistance,Mat(),3,false,0.4);
	for (size_t t=0; t < corners.size(); t++) {
		circle(resultImg, corners[t], 2, Rc, 2);
	}
	imshow(output_tile, resultImg);

	TermCriteria tc = TermCriteria(TermCriteria::COUNT + TermCriteria::EPS, 40, 0.001);
	cornerSubPix(gray_src, corners, Size(5, 5), Size(-1, -1), tc);
	for (size_t t = 0; t < corners.size(); t++) {
		printf("%f %f\n", corners[t].x, corners[t].y);
	}
}