角点检测

1、harris角点检测与绘制

void cornerHarris(InputArray src,OutputArray dst,int blocksize,int ksize,double k,int borderType=BORDER_DEFAULT)

参数一：输入阵列，Mat类单通道8位或浮点型图像

参数二：输出阵列

参数三：领域大小

参数四：sobel算子孔径大小

参数五：边界模式

示例代码：

#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
#define WINDOW_NAME1 "【原始图】"
#define WINDOW_NAME2 "【效果图】"
using namespace std;
using namespace cv;

Mat g_srcImage,g_srcImage1,g_grayImage;
int thresh=30;
int max_thresh=275;
void on_CornerHarris(int ,void *);

int main(int argc,char *argv[])
{
	g_srcImage = imread(argv[1]);
	if(g_srcImage.empty())
	{
		printf("读取图片错误，请检查目录下图片是否存在\n");
		return -1;
	}	
	g_srcImage1 = g_srcImage.clone();
	cvtColor(g_srcImage1,g_grayImage,COLOR_BGR2GRAY);
	
	namedWindow(WINDOW_NAME1,WINDOW_AUTOSIZE);
	createTrackbar("阈值：",WINDOW_NAME1,&thresh,max_thresh,on_CornerHarris);
	on_CornerHarris(0,0);
	waitKey(0);
	return 0;
}

void on_CornerHarris(int,void *)
{
	Mat dstImage;
	Mat normImage;
	Mat scaleImage;
	
	dstImage = Mat::zeros(g_srcImage.size(),CV_32FC1);
	g_srcImage1 = g_srcImage.clone();
	
	//进行角点检测
	cornerHarris(g_grayImage,dstImage,2,3,0.04,BORDER_DEFAULT);
	//归一化
	normalize(dstImage,normImage,0,255,NORM_MINMAX,CV_32FC1,Mat());
	//转换成八位无符号整型
	convertScaleAbs(normImage,scaleImage);
	
	for(int i=0;i<normImage.rows;i++)
	{
		for(int j=0;j<normImage.cols;j++)
		{
			if((int)normImage.at<float>(i,j) > thresh+80)
			{
				circle(g_srcImage1,Point(i,j),5,Scalar(10,10,255),2,8,0);
				circle(scaleImage,Point(i,j),5,Scalar(0,10,255),2,8,0);
			}
		}
	}
	imshow(WINDOW_NAME1,g_srcImage1);
	imshow(WINDOW_NAME2,scaleImage);
		
}

原图：

效果图：

2、Shi_Tomasi角点检测

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

参数一：8位或浮点型32位图像

参数二：检测到的焦点输出向量

参数三：角点最大数量

参数四：检点检测可接受的最小特征值（0.01、0.10）

参数五：角点之间的最小距离

参数六：可选区域，表示感兴趣区域

参数七：计算导数相关矩阵时指定的领域范围

参数八：表示是否使用harris角点检测

参数九：用于设置hessian自相关矩阵行列式的相对权重的权重系数

示例：

#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
#define WINDOW_NAME "【角点检测】"

using namespace std;
using namespace cv;
Mat g_srcImage,g_grayImage;
int g_maxCornerNumber = 33;
int g_maxTrackbarNumber = 500;
RNG g_rng(12345);

void on_GoodFeaturesToTrack(int ,void *)
{
	if(g_maxCornerNumber <=1)
		g_maxCornerNumber =1;
	vector<Point2f> corners;
	double qualityLevel = 0.01;
	double minDistance = 10;
	int blockSize = 3;
	double k =0.04;
	Mat copy = g_srcImage.clone();
	
	goodFeaturesToTrack(g_grayImage,corners,g_maxCornerNumber,qualityLevel,minDistance,Mat(),blockSize,false,k);
	cout<<"此次检测的角点数量："<<corners.size()<<endl;
	int r = 4;
	for(int i=0;i<corners.size();i++)
	{
		circle(copy,corners[i],r,Scalar(g_rng.uniform(0,255),g_rng.uniform(0,255),g_rng.uniform(0,255)),-1,8,0);
	}
	imshow(WINDOW_NAME,copy);
}

int main(int argc,char *argv[])
{
	g_srcImage = imread(argv[1]);
	cvtColor(g_srcImage,g_grayImage,COLOR_BGR2GRAY);
	namedWindow(WINDOW_NAME,WINDOW_AUTOSIZE);
	createTrackbar("最大的角点数：",WINDOW_NAME,&g_maxCornerNumber,g_maxTrackbarNumber,on_GoodFeaturesToTrack);
	imshow(WINDOW_NAME,g_srcImage);
	on_GoodFeaturesToTrack(0,0);
	waitKey(0);
	
	return 0;
}

角点的数量是：113个

3、亚像素级角点检测

如果进行图像处理的目的不是为了提取用于识别的特征点，而是进行几何测量，这通常需要更高精度的；而函数goodFeaturesToTrack只能提供简单的角点坐标值，有时候需要的是实数坐标值而非证书坐标值

void cornerSubPix(InputArray image,InputOutputArray corners,Size winSize,Size zeroZone,TermCriteria criteria)

参数一：输入图像阵列

参数二：提供输入角点的初始坐标和精确的输出坐标

参数三：搜索窗口尺寸的一半

参数四：死区的一半尺寸，死区是不对搜索区的中央位置做求和运算的区域，用来避免自相关矩阵的某些可能的奇异性。（-1，-1）表示没有死区

参数五：求角点过程的迭代终止条件。可以是最大迭代数或者是设定的精确度，也可以是他们的组合。