Shi-Tomasi角点检测原理与Harris角点检测相同，只是在最后判别式的选取上不同Shi-Tomasi角点检测选取特征中的最小的那个来判别。${
m{R = }}min ({lambda _1},{lambda _2})$，下面是其Shi-Tomasi角点检测结果。
- Shi-Tomasi角点检测函数参数解释
1 goodFeaturesToTrack( 2 InputArray image,//输入图像，8位或浮点数32位 3 OutputArray corners,//检测到的角点向量 4 Int maxCorners，//角点的最大数量 5 Double qualityLevel,//可接受的最小特征值 6 Double minDistance,//角点之间的最小距离 7 InputArray mask,//感兴趣区域,一般默认无Mat() 8 Int blockSize,//自相关矩阵指定的领域范围 9 Bool useHarris,//是否使用Harris角点检测，1使用，0不使用 10 Double k,//自相关矩阵权重系数);
1 #include<opencv2/opencv.hpp> 2 #include<iostream> 3 4 using namespace std; 5 using namespace cv; 6 int init_value=50, max_value=555; 7 Mat src,gray,dst; 8 void shi_tomasi(int, void*); 9 int main(int argc, char** argv) 10 { 11 12 src = imread("H:/cv_code/image/home.jpg"); 13 if (src.empty()) 14 { 15 printf("could not find image"); 16 return -1; 17 } 18 namedWindow("input"); 19 imshow("input",src); 20 cvtColor(src,gray,COLOR_BGR2GRAY); 21 namedWindow("result"); 22 createTrackbar("value:","result",&init_value,max_value,shi_tomasi); 23 shi_tomasi(0,0); 24 waitKey(0); 25 return 0; 26 } 27 28 void shi_tomasi(int, void*) 29 { 30 if (init_value <= 1) 31 init_value = 1; 32 vector<Point2f> corners; 33 goodFeaturesToTrack(gray,corners,init_value,0.01,10,Mat(),3,false,0.04); 34 dst = src.clone(); 35 int r = 4; 36 for (int i = 0; i < corners.size(); i++) 37 { 38 circle(dst,corners[i],3,Scalar(0,0,255),-1,8,0); 39 } 40 imshow("result",dst); 41 }