.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; 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); 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: