OpenCV4入门教程105：shi-tomas角点检测

角点和角点检测：角点检测

原理

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。后来Shi 和Tomasi 提出改进的方法是，若矩阵M的两个特征值中较小的一个大于阈值，则认为他是角点，即： $R= min(\lambda_1,\lambda_2)$ 。如下图所示：

shit-tomas

从这幅图中，可以看出来只有当 $\lambda_1$ 和 $\lambda_2$ 都大于最小值时，才被认为是角点。

测试代码:

//---------------------------------【头文件、命名空间包含部分】----------------------------
//      描述：包含程序所使用的头文件和命名空间
//------------------------------------------------------------------------------------------------
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
using namespace cv;
using namespace std;

//-----------------------------------【宏定义部分】--------------------------------------------
//  描述：定义一些辅助宏
//----------------------------------------------------------------------------------------------
#define WINDOW_NAME "result" //为窗口标题定义的宏

//-----------------------------------【全局变量声明部分】--------------------------------------
//          描述：全局变量声明
//-----------------------------------------------------------------------------------------------
Mat g_srcImage, g_grayImage;
int g_maxCornerNumber   = 33;
int g_maxTrackbarNumber = 500;
RNG g_rng(12345); //初始化随机数生成器

//-----------------------------【on_GoodFeaturesToTrack( )函数】----------------------------
//          描述：响应滑动条移动消息的回调函数
//----------------------------------------------------------------------------------------------
void on_GoodFeaturesToTrack(int, void *) {
    //【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】输出文字信息
    cout << "\t>此次检测到的角点数量为：" << corners.size() << endl;

    //【5】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);
    }

    //【6】显示（更新）窗口
    imshow(WINDOW_NAME, copy);
}

//--------------------------------------【main( )函数】-----------------------------------------
//          描述：控制台应用程序的入口函数，我们的程序从这里开始执行
//-----------------------------------------------------------------------------------------------
int main() {
    //【1】载入源图像并将其转换为灰度图
    g_srcImage = imread("1.jpg", 1);
    cvtColor(g_srcImage, g_grayImage, COLOR_BGR2GRAY);

    //【2】创建窗口和滑动条，并进行显示和回调函数初始化
    namedWindow(WINDOW_NAME, WINDOW_AUTOSIZE);
    createTrackbar("最大角点数", WINDOW_NAME, &g_maxCornerNumber, g_maxTrackbarNumber,
                   on_GoodFeaturesToTrack);
    imshow(WINDOW_NAME, g_srcImage);
    on_GoodFeaturesToTrack(0, 0);

    waitKey(0);
    return (0);
}