opencv::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

 

 

 

/*

确定图像的强角点
在图像中寻找具有大特征值的角点。
该函数，首先用cvCornerMinEigenVal 计算输入图像的每一个象素点的最小特征值，并将结果存储到变量 eig_image 中。
然后进行非最大值抑制（仅保留3x3邻域中的局部最大值）。
下一步将最小特征值小于 quality_level?max(eig_image(x,y)) 排除掉。
最后，函数确保所有发现的角点之间具有足够的距离，（最强的角点第一个保留，然后检查新的角点与已有角点之间的距离大于 min_distance ）

*/
void cvGoodFeaturesToTrack( 
    const CvArr* image,       //输入图像，8-位或浮点32-比特，单通道 
    CvArr* eig_image,         //临时浮点32-位图像，尺寸与输入图像一致
    CvArr* temp_image,        //另外一个临时图像，格式与尺寸与 eig_image 一致
    CvPoint2D32f* corners,    //输出参数，检测到的角点 
    int* corner_count,        //输出参数，检测到的角点数目
    double quality_level,     //最大最小特征值的乘法因子。定义可接受图像角点的最小质量因子。 
    double min_distance,      //限制因子。得到的角点的最小距离。使用 Euclidian 距离  
    const CvArr* mask=NULL 
);

 

 

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int num_corners = 25;
int max_corners = 200;
const char* output_title = "ShiTomasi Detector";
void ShiTomasi_Demo(int, void*);
Mat src, gray_src;
RNG rng(12345);
int main(int argc, char** argv) {
    src = imread("D:/vcprojects/images/home.jpg");
    if (src.empty()) {
        printf("could not load image...\n");
        return -1;
    }
    namedWindow("input image", CV_WINDOW_AUTOSIZE);
    imshow("input image", src);

    //灰度图
    cvtColor(src, gray_src, COLOR_BGR2GRAY);
    namedWindow(output_title, CV_WINDOW_AUTOSIZE);
    //阈值
    createTrackbar("Num Corners:", output_title, &num_corners, max_corners, ShiTomasi_Demo);
    ShiTomasi_Demo(0, 0);

    waitKey(0);
    return 0;
}

void ShiTomasi_Demo(int, void*) {
    //最少检测出5个
    if (num_corners < 5) {
        num_corners = 5;
    }
    vector<Point2f> corners;
    double qualityLevel = 0.01;
    double minDistance = 10;
    int blockSize = 3;
    bool useHarris = false;
    double k = 0.04;
    Mat resultImg = gray_src.clone();
    cvtColor(resultImg, resultImg, COLOR_GRAY2BGR);
    //角点检测  标注随机颜色
    goodFeaturesToTrack(gray_src, corners, num_corners, qualityLevel, minDistance, Mat(), blockSize, useHarris, k);
    printf("Number of Detected Corners:  %d\n", corners.size());

    for (size_t t = 0; t < corners.size(); t++) {
        circle(resultImg, corners[t], 2, Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)), 2, 8, 0);
    }
    imshow(output_title, resultImg);
}