Shi-Tomasi角点检测

Shi-Tomasi为改进的Harris算法,而且可以指定检测出角点的个数。

实现函数:

void goodFeaturesToTrack( InputArray image,     //输入图像

                                          OutputArray corners,     //检测的角点

                                           int maxCorners,     //指定检测角点的最多个数

                                          double qualityLevel,    //特征值的乘法因子

                                          double minDistance,     //角点之间的最小距离(欧氏距离)

                                          InputArray mask=noArray(),   //掩码

                                          int blockSize=3,      //领域大小

                                         bool useHarrisDetector=false,    //是否采用Harris角点检测

                                         double k=0.0)       //Harris系数,0.04-0.06

代码示例:

#include 
#include "opencv2/opencv.hpp"

using namespace cv;
using namespace std;

int num_corners = 10;
int max_corners = 200;
const char* output_title = "ShiTomasi Detector";
void ShiTomasi_Demo(int, void*);
Mat src, gray_src;

int main(int argc, char** argv) 
{
	src = imread("D:/cv400/house.jpg");
	if (src.empty())
	{
		cout << "Load image error..." << endl;
		return -1;
	}
	namedWindow("input image", WINDOW_AUTOSIZE);
	imshow("input image", src);

	cvtColor(src, gray_src, COLOR_BGR2GRAY);
	namedWindow(output_title, WINDOW_AUTOSIZE);
	createTrackbar("Num Corners:", output_title, &num_corners, max_corners, ShiTomasi_Demo);
	ShiTomasi_Demo(0, 0);

	waitKey(0);
	return 0;
}

void ShiTomasi_Demo(int, void*) 
{
	if (num_corners < 5) 
		num_corners = 5;
	
	vector corners;
	double qualityLevel = 0.01;
	double minDistance = 10;
	int blockSize = 3;
	bool useHarris = false;
	double k = 0.04;
	Mat resultImg = src.clone();
	goodFeaturesToTrack(gray_src, corners, num_corners, qualityLevel, minDistance, Mat(), blockSize, useHarris, k);
	cout << "Number of Detected Corners:  " << corners.size() << endl;

	for (size_t t = 0; t < corners.size(); t++)
		circle(resultImg, corners[t], 2, Scalar(0,0, 255), 2, 8, 0);

	imshow(output_title, resultImg);
}

原图:

检测10个角点:

 

检测100个角点:

 

你可能感兴趣的:(特征提取与检测)