OpenCV之Shi-Tomasi角点检测

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 
#include 
#include 
#include 
#include 

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 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

输入：

输出：