OpenCV -- Shi-Tomas角点检测与亚像素级角点检测

Shi-Tomas角点检测：

  函数：

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：

    //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：

//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***************************************
//*****************************************如需亚像素级角点检测，则加上下边一段代码**********************

　　

    //【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<<" 	>>Point["<<i<<"]  ("<<corners[i].x<<","<<corners[i].y<<")"<<endl;
    }
    return copy;
}