goodFeaturesToTrack函数

1、goodFeaturetoTrack函数

函数作用：

确定图像的强角点

2、goodFeaturetoTrack函数的调用形式

C++:void goodFeaturesToTrack(InputArray image, OutputArray corners, int maxCorners, double qualityLevel, double minDistance, InputArray mask=noArray(), int blockSize=3, bool useHarrisDetector=false, double k=0.04 )

参数详解：

InputArray image：输入图像。单通道图像，就是一般是灰度图像

OutputArray corners：输出的强角点的坐标属于vector<point2f> corners

int maxCorners:表示角点的最大数

double qualityLevel：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 minDistance：限制因子。得到的角点的最小距离。使用 Euclidian 距离

InputArray mask=noArray()：ROI:感兴趣区域。函数在ROI中计算角点，如果 mask 为 NULL，则选择整个图像。必须为单通道的灰度图，大小与输入图像相同。mask对应的点不为0，表示计算该点。

int blockSize=3：计算某一像素点的协方差的邻域大小，3,5,7,9，。。。。。。

covariation matrix of derivatives over the neighborhood as:

bool useHarrisDetector=false：计算角点响应时，是不是用HarrisDetector方法进行角点检测，一般选择默认false

double k=0.04 ：HarrisDetector检测角点时所用的参数

opencv代码：

#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<iostream>
using namespace cv;
using namespace std;int main()
{Mat src,src_gray;src= imread("D:6.jpg");cvtColor(src, src_gray, CV_RGB2GRAY);vector<Point2f> corners;double qualityLevel = 0.01;double minDistance = 10;int blockSize = 3;bool useHarrisDetector = false;double k = 0.04;   //<span class="comment" style="margin: 0px; padding: 0px; border: none; color: rgb(0, 130, 0); font-family: Consolas, 'Courier New', Courier, mono, serif; line-height: 18px; background-color: rgb(248, 248, 248);">这里是0.04*max（min（e1，e2）），e1，e2是harris矩阵的特征值</span><span style="margin: 0px; padding: 0px; border: none; font-family: Consolas, 'Courier New', Courier, mono, serif; line-height: 18px; background-color: rgb(248, 248, 248);"> </span>int maxCorners = 50;/// Copy the source image  goodFeaturesToTrack(src_gray,corners,maxCorners,qualityLevel,minDistance,Mat(),blockSize,useHarrisDetector,k);/// Draw corners detected  for (int i = 0; i < corners.size(); i++){/*circle(src, corners[i], 5, Scalar(255), 2, 8, 0);*/circle(src, corners[i], 4, Scalar(0, 255, 0), 2, 8, 0);}imshow("shiyan", src);waitKey(0);return 0;
}

goodFeaturesToTrack函数相关推荐

OpenCV | OpenCV中cvgoodFeaturesToTrack函数详细注释
博主github:https://github.com/MichaelBeechan 博主CSDN:https://blog.csdn.net/u011344545 OpenCV中的goodFeatu ...
OpenCV各模块函数使用实例（5）--特征检测（Feature Detection）
特征检测是检测图像中的特征信息,比如边缘,线段,角点位置等.在OpenCV中提供了各种特征检测函数和特征提取函数,其中包括有边缘检测(canny),角点检测等,如:Harris角点.ShiTomasi ...
OpenCV goodFeaturesToTrack特征提取解析笔记
文章目录 1. goodFeaturesToTrack算法描述 2. goodFeaturesToTrack代码解析 1. goodFeaturesToTrack算法描述 goodFeaturesTo ...
《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 ...
Harris及Shi-Tomasi原理及源码解析
本文采用的是opencv2.4.3中的源码. 转载请注明出处:http://blog.csdn.net/luoshixian099/article/details/48244255 CSDN-勿在浮沙 ...
Python-OpenCV 处理视频（五）：运动方向判断
在检测出运动的物体之后,我还需要知道运动的方向,使用了上一节中的办法检测运动我发现很难去计算运动方向,开始考虑通过计算轮廓的中点的变化来实现,但是因为每次检测出得轮廓的数量不稳定,所以这个办法会让误差 ...
Python-OpenCV 处理视频（三）：标记运动轨迹
0x00. 光流光流是进行视频中运动对象轨迹标记的一种很常用的方法,在OpenCV中实现光流也很容易. CalcOpticalFlowPyrLK 函数计算一个稀疏特征集的光流,使用金字塔中的迭代 L ...
Python-OpenCV 处理视频（三）（四）（五）：标记运动轨迹运动检测运动方向判断
0x00. 光流光流是进行视频中运动对象轨迹标记的一种很常用的方法,在OpenCV中实现光流也很容易. CalcOpticalFlowPyrLK 函数计算一个稀疏特征集的光流,使用金字塔中的迭代 L ...
OpenCV学习笔记（二十六）——小试SVM算法ml OpenCV学习笔记（二十七）——基于级联分类器的目标检测objdect OpenCV学习笔记（二十八）——光流法对运动目标跟踪Video Ope
OpenCV学习笔记(二十六)--小试SVM算法ml 总感觉自己停留在码农的初级阶段,要想更上一层,就得静下心来,好好研究一下算法的东西.OpenCV作为一个计算机视觉的开源库,肯定不会只停留在数字图 ...

goodFeaturesToTrack函数

goodFeaturesToTrack函数相关推荐

最新文章

热门文章