opencv —Shi-Tomasi 角点检测

https://www.cnblogs.com/bjxqmy/p/12459005.html

Shi-Tomasi 角点检测概述

除了利用 Harris 进行角点检测外，我们通常还可以利用 Shi-Tomasi 方法进行角点检测。Shi-Tomasi 算法是 Harris 算法的改进，此算法最原始的定义是将矩阵 M 的行列式值与 M 的迹相减，再将差值同预先给定的阈值进行比较。后来 Shi 和 Tomasi 提出了改进方法，若两个特征值中较小的一个大于最小阈值，则会得到强角点。

 

确定图像强角点：goodFeaturesToTrack 函数

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);

• image，输入图像，需为 8 位或浮点型 32 位单通道图像。
• corners，检测到的角点将被存在这里。
• maxCorners，角点的最大数量。
• qualityLevel，角点检测可接受的最小特征值 = qualityLevel * 图像中最大特征值。所以 qualityLevel 不会超过 1（通常为 0.1 或 0.01）。检测完所有角点后，还会进一步剔除掉一些距离较近的角点。
• minDistance，角点间的最小距离，若两角点距离 < minDistance ，则认为是一个角点。
• mask，可选参数，表示感兴趣区域，有默认值 noArray() ，若此值非空，需为 CV_8UC1 类型，且和 image 有相同尺寸，便于指定角点检测区域。
• blockSize，有默认值 3，是计算角点的窗口大小。
• useHarrisDetector，默认为 false，表示是否使用 Harris 角点检测。
• k，有默认值 0.04，Harris 角点检测计算公式中用到的权重系数。

opencv —— Harris 角点检测