OpenCV之图像特征提取与检测(四) Shi-Tomasi角点检测

Shi-Tomasi角点检测理论 跟Harris角点检测的理论几乎完全一致，唯一不同的是在使用矩阵 特征值 λ1 λ2 计算角度响应的时候
R = min(λ1, λ2)

void goodFeaturesToTrack( // Shi-Tomasi角点检测
    InputArray image,  // 灰度图像
    OutputArray corners, // 检测出来的角点在输入图像的Point
    int maxCorners, // -maxCorners 表示返回角点的数目，如果检测出来的角点数目大于最大数目则返回响应值最强前maxCorners数目。
    double qualityLevel, // -qualityLevel表示最小可接受的向量值1500， 0.01， 15
    double minDistance, // -minDistance两个角点之间的最小距离（欧几里得距离）
    InputArray mask = noArray(), 
    int blockSize = 3, // -blockSize 计算导数微分不同的窗口大小
    bool useHarrisDetector = false, // -useHarrisDetector是否使用Harris角点检测，设置为false的时候 下一个参数 k 无效
    double k = 0.04 // 最好 0.04~0.06 
);

代码

    #include "../common/common.hpp"

    static Mat src, gray;
    static const char title[] = "shi-tomasi";
    static int thresh_v = 25;
    static int thresh_max = 200;
    static RNG rng(12345);

    static void shi_tomasi(int, void*);

    void main(int argc, char** argv)
    {
        src = imread(getCVImagesPath("images/home.jpg"), IMREAD_COLOR);
        imshow("src2-5", src);

        cvtColor(src, gray, CV_BGR2GRAY);
        namedWindow(title, CV_WINDOW_AUTOSIZE);
        createTrackbar("thresh:", title, &thresh_v, thresh_max, shi_tomasi);
        shi_tomasi(0, 0);

        waitKey(0);
    }

    void shi_tomasi(int, void*)
    {
        if (thresh_v < 5) thresh_v = 5;
        vector<Point2f> corners;
        double qualityLevel = 0.01;
        double minDistance = 10;
        int blockSize = 3;
        bool useHarris = false;
        double k = 0.04;
        Mat retImg = gray.clone();
        cvtColor(retImg, retImg, CV_GRAY2BGR); // 让原图灰度，角点彩色
        // opencv中的所有函数都有对应的 cv 开头的函数，那是没有使用命名空间时使用的，函数作用一致
        // shi-tomasi 角点检测，运算速度比harris角点检测要快很多，但是harris找出的角点比ShiTomasi要多。不过ShiTomasi的检测结果是能接受的
        goodFeaturesToTrack(gray, corners, thresh_v, qualityLevel, minDistance, Mat(), blockSize, useHarris, k);
        printf("corners.size=%d\n", corners.size());
        for (int i = 0; i < corners.size(); i++)
        {
            circle(retImg, corners[i], 2, Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)), 2, 8, 0);
        }
        imshow(title, retImg);
    }

效果图