goodFeaturesToTrack关键点检测

环境：opencv 2.3.1

函数 goodFeaturesToTrack，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 乘以 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；

函数使用实例：

int main()
{
    Mat img = imread("test.jpg");
    Mat grayImage;
    //转换灰度图
    cvtColor(img, grayImage, CV_BGR2GRAY);

    //开始进行角点检测  
    vector<Point2f> dstPoint2f;
    goodFeaturesToTrack(grayImage, dstPoint2f, 200, 0.01, 10, Mat(), 3);

    //遍历每个点，进行绘制，便于显示  
    Mat dstImage;
    img.copyTo(dstImage);
    for (int i = 0; i < (int)dstPoint2f.size(); i++)
    {
        circle(dstImage, dstPoint2f[i], 3, Scalar(theRNG().uniform(0, 255), theRNG().uniform(0, 255), theRNG().uniform(0, 255))
            , 2, 8);
    }
    imshow("Frame_Windows", dstImage);
    waitKey();
    return 0;
}

运行结果如下