J.Shi和C.Tomasi在1994年在其论文“Good Features to Track”中，提出了一种对Harris角点检测算子的改进算法——Shi-Tomasi角点检测算子，可以看到，Opencv中函数goodFeaturesToTrack就是直接取自他们论文的名字。
在了解Shi-Tomasi角点检测理论之前，读者最好需要了解一下 Harris角点检测理论的相关知识

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 λλλ₁ λλλ₂ 计算角度响应的时候。
Harris角点检测 时候计算角点响应时候使用的公式
Shi-Tomasi角点检测 时候计算角点响应时使用的公式：
R=min(λ1，λ2)R = min(λ1， λ2)R=min(λ1，λ2)
如果 R 值超过阈值，我们就认为它是一个角点。我们可以把它绘制到λ1~λ2空间中，就会得到下图

从这幅图中，我们可以看出来只有当λ1和λ2都大于最小值时，才被认为是角点（绿色区域）。

API参数说明

opencv提供了goodFeaturesToTrack函数用来实现Shi-Tomasi算子,goodFeaturesToTrack有比cornerHarris更多的控制参数，其API函数接口为：

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Pointint 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， 15double 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
);

第一个参数image：输入图像，须为8位或浮点型32位单通道图像。
第二个参数corners：位置点向量，保存的是检测到的角点的坐标；
第三个参数maxCorners：定义可以检测到的角点的数量的最大值；
第四个参数qualityLevel ：double类型，角点检测可接受的最小特征值。其实际用于过滤角点的最小特征值是qualityLevel与图像中最大特征值的乘积。所以qualityLevel通常不会超过1（常用的值为0.10或者0.01）。而检测完所有的角点后，还要进一步剔除掉一些距离较近的角点。
第五个参数minDistance：两个角点间最小间距，以像素为单位；此参数用于保证返回的焦点之间的距离不小于minDistance个像素。
第六个参数mask：可选参数，表示感兴趣区域，有默认值noArray()。指定检测区域，若检测整幅图像，mask置为空Mat()；
第七个参数blockSize ：int类型，有默认值3，计算协方差矩阵时窗口大小；
第八个参数useHarrisDetector ：bool类型，默认值false，是否使用Harris角点检测，为false，则使用Shi-Tomasi算子；
第九个参数k ：double类型，有默认值0.04，为用于设置Hessian自相关矩阵行列式的相对权重的权重系数，一般取经验值0.04~0.06。第八个参数为false时，该参数不起作用；

程序代码

#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";
Mat src, gray_src;
RNG rng(12345);void ShiTomasi_Demo(int, void*);int main(int argc, char** argv) {src = imread("E:/Experiment/OpenCV/Pictures/ShiTomasiTest.jpg");if (src.empty()) {printf("could not load image...\n");return -1;}namedWindow("input image", CV_WINDOW_AUTOSIZE);imshow("input image", src);cvtColor(src, gray_src, COLOR_BGR2GRAY);namedWindow(output_title, CV_WINDOW_AUTOSIZE);createTrackbar("Num Corners:", output_title, &num_corners, max_corners, ShiTomasi_Demo);ShiTomasi_Demo(0, 0);waitKey(0);return 0;
}void ShiTomasi_Demo(int, void*) {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);// 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_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);
}

运行截图

参考博客：

https://blog.csdn.net/dcrmg/article/details/52551637

https://blog.csdn.net/lly_117/article/details/80324947

https://blog.csdn.net/qq_36387683/article/details/80550964

https://blog.csdn.net/chaipp0607/article/details/54697457

https://blog.csdn.net/huanghuangjin/article/details/81262115

OpenCV-特征提取与检测（02、Shi-Tomasi角点检测）相关推荐

OpenCV学习(二十四）：角点检测(Corner Detection):cornerHarris(),goodFeatureToTrack()
OpenCV学习(二十四 ):角点检测(Corner Detection):cornerHarris(),goodFeatureToTrack() 参考博客: Harris角点检测原理详解 Harri ...
OpenCV学习之路（七）——角点检测
角点检测(Corner Detection)是计算机视觉中用来获得图像特征的一种方法,广泛应用于运动检测.视频追踪.目标识别等领域中,也称特征点检测. 一.兴趣点与角点对于角点,到目前为止还没有明确 ...
《OpenCV3编程入门》学习笔记10 角点检测(一）Harris角点检测
第10章角点检测 10.1 Harris角点检测 10.1.1 角点 1.图像特征类型: (1)边缘 (2)角点(感兴趣点) (3)斑点(感兴趣区域) 2.角点定义: (1) 一阶导数(灰度的梯度) ...
计算机视觉（角点检测）- 2 - Shi-Tomasi 角点检测
计算机视觉(角点检测)- 2 - Shi-Tomasi 角点检测学习前言一.Shi-Tomasi 角点检测二.OpenCV中API介绍 ```corners = cv2.goodFeatu ...
计算机视觉（角点检测）- 1 - Harris角点检测
计算机视觉(角点检测)- 1 - Harris角点检测学习前言一.Harris角点检测 1.什么是角点? 2.Harris角点检测的基本原理&基本思想 3.Harris角点检测 ...
【opencv】goodFeaturesToTrack源码分析-2-Shi-Tomasi角点检测
本文章是[opencv]goodFeaturesToTrack源码分析-1的后续,主要描述Shi-Tomasi角点检测算法原理及opencv实现. 1.算法原理 Shi-Tomasi算法是Harris ...
《OpenCV3编程入门》学习笔记10 角点检测(二）Shi-Tomasi角点检测
10.2 Shi-Tomasi角点检测 10.2.1 Shi-Tomasi角点检测:goodFeaturesToTrack()函数 1.定义: Harris算法改进,若矩阵M行列式的值与M的迹中较 ...
python 角点检测_opencv python Shi-Tomasi角点检测
cv2.goodFeaturesToTrack(image, maxCorners, qualityLevel, minDistance[, corners[, mask[, blockSize[, ...
fast角点检测 java_opencv3_java 图像的角点检测DetectConers goodFeaturesToTrack
图像的角点检测DetectConers goodFeaturesToTrack package opencv_java_demo; import org.opencv.core.*; import o ...
harris角点检测c语言,Harris角点检测原理及实现
为便于理解,先简要介绍角点的概念和角点检测背景一.角点及角点检测背景: 角点概念: 角点,通常可理解为两条边的角点,也可理解为像素值在多个方向有显著变化的点或局部区域内某个属性明显的点.如多个轮廓的 ...

OpenCV-特征提取与检测（02、Shi-Tomasi角点检测）

Shi-Tomasi角点检测理论

API参数说明

程序代码

运行截图

参考博客：

OpenCV-特征提取与检测（02、Shi-Tomasi角点检测）相关推荐

最新文章

热门文章