OpenCV -- Shi-Tomas角点检测与亚像素级角点检测

Shi-Tomas角点检测：

  函数：

?

1 2 3 4 5 6 7 8 9

goodFeaturesToTrack( g_grayImage,//输入图像         corners,//检测到的角点的输出向量         g_maxCornerNumber,//角点的最大数量         qualityLevel,//角点检测可接受的最小特征值         minDistance,//角点之间的最小距离         Mat(),//感兴趣区域         blockSize,//计算导数自相关矩阵时指定的邻域范围         false,//不使用Harris角点检测         k );//权重系数

 

亚像素级角点检测：

  函数：

?

1 2 3 4 5 6 7 8 9 10 11 12

//亚像素角点检测的参数设置   Size winSize = Size( 5, 5 );  //搜索窗口的一半尺寸   Size zeroZone = Size( -1, -1 );  //死区的一半尺寸，（-1，-1）表示没有死区   TermCriteria criteria = TermCriteria( TermCriteria::EPS + TermCriteria::MAX_ITER, 40, 0.001 );  //角点迭代过程的终止条件   /* int    type;  /* CV_TERMCRIT_ITER 和CV_TERMCRIT_EPS二值之一，或者二者的组合 int    max_iter; // 最大迭代次数 double epsilon; // 结果的精确性  */     //计算出亚像素角点位置   cornerSubPix( g_grayImage, corners, winSize, zeroZone, criteria );//cornerSubPix函数用于寻找亚像素角点位置

　　

区别：

Shi-Tomas角点检测输出为简单的整数类型坐标值；

亚像素级角点检测则是更精确的浮点类型。

 

代码：

 

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46

//Shi-Tomasi算子 cv::Mat BasicAlgorithm::on_Shi_Tomasi(cv::Mat mat, int value) {     Mat g_srcImage, g_grayImage;     g_srcImage = mat;     int g_maxCornerNumber = value;     int g_maxTrackbarNumber = 500;     RNG g_rng(12345);//初始化随机数生成器       cvtColor( g_srcImage, g_grayImage, COLOR_BGR2GRAY );       //【1】对变量小于等于1时的处理     if( g_maxCornerNumber <= 1 ) { g_maxCornerNumber = 1; }       //【2】Shi-Tomasi算法（goodFeaturesToTrack函数）的参数准备     vector<Point2f> corners;     double qualityLevel = 0.01;//角点检测可接受的最小特征值     double minDistance = 10;//角点之间的最小距离     int blockSize = 3;//计算导数自相关矩阵时指定的邻域范围     double k = 0.04;//权重系数     Mat copy = g_srcImage.clone();  //复制源图像到一个临时变量中，作为感兴趣区域         //【3】进行Shi-Tomasi角点检测     goodFeaturesToTrack( g_grayImage,//输入图像                          corners,//检测到的角点的输出向量                          g_maxCornerNumber,//角点的最大数量                          qualityLevel,//角点检测可接受的最小特征值                          minDistance,//角点之间的最小距离                          Mat(),//感兴趣区域                          blockSize,//计算导数自相关矩阵时指定的邻域范围                          false,//不使用Harris角点检测                          k );//权重系数       //【4】绘制检测到的角点     int r = 4;     for( int i = 0; i < corners.size(); i++ )     {         //以随机的颜色绘制出角点         circle( copy, corners[i], r, Scalar(g_rng.uniform(0,255), g_rng.uniform(0,255),                                             g_rng.uniform(0,255)), -1, 8, 0 );           //                circle( copy, corners[i], r, Scalar(255, 0, 0), -1, 8, 0 );  //opencv中图像通道为BGR，（255,0,0）为蓝色，绘制出为蓝色点     }   //*****************************************上：Shi-Tomasi算子***************************************<br>//*****************************************如需亚像素级角点检测，则加上下边一段代码**********************

　　

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

//【7】亚像素角点检测的参数设置     Size winSize = Size( 5, 5 );  //搜索窗口的一半尺寸     Size zeroZone = Size( -1, -1 );  //死区的一半尺寸，（-1，-1）表示没有死区     TermCriteria criteria = TermCriteria( TermCriteria::EPS + TermCriteria::MAX_ITER, 40, 0.001 );  //角点迭代过程的终止条件     /*   int    type;  /* CV_TERMCRIT_ITER 和CV_TERMCRIT_EPS二值之一，或者二者的组合   int    max_iter; // 最大迭代次数   double epsilon; // 结果的精确性    */       //【8】计算出亚像素角点位置     cornerSubPix( g_grayImage, corners, winSize, zeroZone, criteria );//cornerSubPix函数用于寻找亚像素角点位置（不是整数类型，是更精确的浮点类型）       //【9】输出角点坐标信息     for( int i = 0; i < corners.size(); i++ )     { //        qDebug()<<"精确角点"<<i<<"位置";         cout<<" \t>>Point["<<i<<"]  ("<<corners[i].x<<","<<corners[i].y<<")"<<endl;     }     return copy;<br>}