goodFeaturesToTrack——Shi-Tomasi角点检测

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。

goodFeaturesToTrack有比cornerHarris更多的控制参数，函数原型：

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 );

第一个参数image：8位或32位单通道灰度图像；

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：检测到的角点的质量等级，角点特征值小于qualityLevel*最大特征值的点将被舍弃；

第五个参数minDistance：两个角点间最小间距，以像素为单位；

第六个参数mask：指定检测区域，若检测整幅图像，mask置为空Mat()；

第七个参数blockSize：计算协方差矩阵时窗口大小；

第八个参数useHarrisDetector：是否使用Harris角点检测，为false，则使用Shi-Tomasi算子；

第九个参数k：留给Harris角点检测算子用的中间参数，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；

goodFeaturesToTrack检测Shi-Tomasi角点简单demo：

#include "core/core.hpp"
#include "highgui/highgui.hpp"
#include "imgproc/imgproc.hpp"using namespace cv;   Mat image;
Mat imageGray;
int thresh=5;   //角点个数控制
int MaxThresh=255;void Trackbar(int,void*);  int main(int argc,char*argv[])
{  image=imread(argv[1]);cvtColor(image,imageGray,CV_RGB2GRAY);GaussianBlur(imageGray,imageGray,Size(5,5),1); // 滤波namedWindow("Corner Detected");createTrackbar("threshold：","Corner Detected",&thresh,MaxThresh,Trackbar);imshow("Corner Detected",image);Trackbar(0,0);waitKey();return 0;
}  void Trackbar(int,void*)
{Mat dst,imageSource;dst=Mat::zeros(image.size(),CV_32FC1);  imageSource=image.clone();vector<Point2f> corners;  goodFeaturesToTrack(imageGray,corners,thresh,0.01,10,Mat());for(int i=0;i<corners.size();i++){circle(imageSource,corners[i],2,Scalar(0,0,255),2);}imshow("Corner Detected",imageSource);
}

goodFeaturesToTrack相比cornerHarris，增加了检测的复杂度，同时也可以更好的控制检测到的角点的特性，比如角点个数，角点间最小间距等。设置检测点数为11时，只有特征值最大的前11个角点被检测出来：

继续增大检测点数的值，所有角点都被检测出来：

goodFeaturesToTrack——Shi-Tomasi角点检测相关推荐

【OpenCV3】角点检测——cv::goodFeaturesToTrack()与cv::cornerSubPix()详解
一提到角点检测,最常用的方法莫过于Harris角点检测,opencv中也提供了Harris角点检测的接口,即cv::cornerHarris(),但是Harris角点检测存在很多缺陷(如角点是像素级别 ...
OpenCV——Harris、Shi Tomas、自定义、亚像素角点检测
在图像处理和与计算机视觉领域,兴趣点(interest points),或称作关键点(keypoints).特征点(feature points) 被大量用于解决物体识别,图像识别.图像匹配.视觉跟踪 ...
检测实现OpenCV2.4.4实现Shi-Tomasi角点检测(goodFeaturesToTrack)
最近研究检测实现,稍微总结一下,以后继续补充: #include "opencv2/highgui/highgui.hpp" #include "opencv2/imgp ...
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 ...
【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经典编程100例】（26）2D特征：Shi-Tomasi角点检测goodFeaturesToTrack（）函数
二.opencv函数原型和参数解析 void goodFeaturesToTrack(InputArray image,//输入图像,必须是单通道OutputArray corners,//检测到的角 ...
OpenCV Shi-Tomasi角点检测
Shi-Tomasi算法是对Harris角点检测算法的改进,一般会比Harris算法得到更好的角点.Harris 算法的角点响应函数是将矩阵 M 的行列式值与 M 的迹相减,利用差值判断是否为角点.后 ...
opencv角点检测学习总结
学习opencv 角点检测如果一个点在两个正交方向上都有明显的导数,则我们认为此点更倾向于是独一无二的,所以许多可跟踪的特征点都是角点. 一下为角点检测中用到的一些函数 cvGoodFeatures ...
OpenCV之feature2d 模块. 2D特征框架（1）Harris 角点检测子 Shi-Tomasi角点检测子定制化创建角点检测子亚像素级的角点检测特征点检测
Harris 角点检测子目标本教程中我们将涉及: 有哪些特征?它们有什么用? 使用函数 cornerHarris 通过 Harris-Stephens方法检测角点. 理论有哪些特征? 在计算机视 ...
角点检测：Harris角点及Shi-Tomasi角点检测
角点特征检测与匹配是Computer Vision 应用总重要的一部分,这需要寻找图像之间的特征建立对应关系.点,也就是图像中的特殊位置,是很常用的一类特征,点的局部特征也可以叫做"关键特 ...

goodFeaturesToTrack——Shi-Tomasi角点检测

goodFeaturesToTrack——Shi-Tomasi角点检测相关推荐

最新文章

热门文章