Shi-Tomasi角点检测算法

1、Shi-Tomasi概念;
2、API；
3、Code;

Shi-Tomasi概念

1、角点检测除了Harris角点检测算法外，还常常使用Shi-Tomasi算法，Shi-Tomasi算法是harris算法的改进，因此计算速度更快 ， Shi-Tomasi算法于1994年在文章《Good Features to Track》中被提出；

API

1、Shi-Tomasi角点检测API： goodFeatureToTrack():
参数说明：
corners : 为输出角点坐标的集合数组；
qualityLevel : 角点检测的最小特征值，通常不会超过1（常取0.10/0.01）;
maxCorners : 自定检测最大角点数目；
k : 常取（0.04-0.06）；

Code

#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;

#define WIN_NAME "Shi-Tomasi角点检测"

Mat srcImage, grayImage;
int maxCornerNumber = 33;
int maxTrackbarNumber = 500;
RNG rng(12345);

void on_GoodFeatureToTrack(int, void *)
{
   
	if(maxCornerNumber <= 1) 
	{
   
		maxCornerNumber = 1;
	}
	//Shi-Tomasi参数准备
	vector<Point2f> corners;
	double qualityLevel = 0.01; //角点检测可以接受的最小特征值
	double minDistance = 10; //角点间的最小像素距离设置
	int blockSize = 3;  //计算导数自相关矩阵时指定的领域范围
	double k = 0.04;   //权重系数

	Mat copy = srcImage.clone(); //复制原图到一个临时变量中，作为感兴趣区域
	//Shi-Tomasi Test
	goodFeaturesToTrack(grayImage, corners, maxCornerNumber, qualityLevel, minDistance, Mat(), blockSize, false, k);

	//输出文字信息
	cout << ">此次检测到的角点数量为： " << corners.size() << endl;

	//绘制检测到的角点
	for (unsigned int i = 0; i < corners.size(); i++)
	{
   
		circle(copy, corners[i], 5, Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)), -1, 8, 0);
	}

	imshow(WIN_NAME, copy);
}

int main(int argc, char** argv)
{
   
	srcImage = imread("C:\\Users\\hello\\Desktop\\3.jpg");
	cvtColor(srcImage, grayImage, CV_BGR2GRAY);

	namedWindow(WIN_NAME, WINDOW_AUTOSIZE);
	
	createTrackbar("最大角点数：", WIN_NAME, &maxCornerNumber, maxTrackbarNumber, on_GoodFeatureToTrack);
	
	//imshow(WIN_NAME, srcImage);

	
	on_GoodFeatureToTrack(0, 0);


	waitKey(0);
	return 0;
}

效果

（计算速度比Harris快了很多！！！Shi-Tomasi算法可以简单输出角点的坐标点）

识别角点，并输出像素值坐标：