0037-OpenCV環境下用演算法moravec、harris、Shi-Tomasi進行角點檢測
角點的定義：
“如果某一點在任意方向的一個微小變動都會引起灰度很大的變化，那麼我們就把它稱之為角點”。角點一般反應的是影象中區域性最大值或最小值的孤立點，以角點為中心點的視窗向影象中的任意方向滑動，都會引起較大的灰度變化。
角點檢測(Corner Detection)是計算機視覺系統中用來獲得影象特徵的一種方法，廣泛應用於運動檢測、影象匹配、視訊跟蹤、三維建模和目標識別等領域中。
關於角點的具體描述還有以下幾種：
一階導數(即灰度的梯度)的區域性最大所對應的畫素點；
兩條及兩條以上邊緣的交點；
影象中梯度值和梯度方向的變化速率都很高的點；
角點處的一階導數最大，二階導數為零，指示物體邊緣變化不連續的方向。
本文給出在OpenCV環境下用演算法moravec、harris、Shi-Tomasi進行角點檢測的示例程式
moravec角點檢測：
程式碼如下：
程式碼請加Q2034196302獲取
程式碼請加Q2034196302獲取
程式碼請加Q2034196302獲取
執行結果截圖如下：
harris角點檢測：
OpenCV提供了函式cornerHarris進行harris角點檢測。
函式cornerHarris()原型如下：
C++: void cornerHarris(InputArray src, OutputArray dst, int blockSize, int ksize, double k, int borderType=BORDER_DEFAULT )
引數意義如下：
src:源影象，類要求是single-channel 8-bit 或 floating-point image.
dst:儲存角點檢測結果。資料型別是CV_32FC1，大小和源影象相同。
blockSize：演算法涉及到的鄰域大小。
ksize：Sobel核算子大小。
k：Harris演算法引數，具體什麼意義，請參考下面的公式。
borderType：邊界處理方法，具體的說明加Q2034196302獲取
這個函式在計算harris角點時，對於每一個畫素點(x,y)，計算2×2的梯度方差矩陣M^(x,y)，計算時的鄰域為blockSize×blockSize，然後通過下面的公式計算出角點。
使用cornerHarris函式進行harris角點檢測的程式碼如下
程式碼請加Q2034196302獲取
程式碼請加Q2034196302獲取
程式碼請加Q2034196302獲取
執行結果截圖如下：
Shi-Tomasi角點檢測
OpenCV提供了函式goodFeaturesToTrack進行Shi-Tomasi角點檢測。
函式原型如下：
C++: 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 )
引數意義如下：
image：源影象，影象型別為8-bit或floating-point 32-bit的單通道影象。
corners：角點檢測輸出。
maxCorners：返回的最大角點數。
qualityLevel：可接受的最少角點數的比例因子。如果檢測到角點數小於最佳角點數乘以qualityLevel的值，則結果被拒絕。比如如果最佳角點數為1500，qualityLevel=0.01，則當結果小於15時，這個結果被拒絕。
minDistance：對於初選出的角點而言，如果在其周圍minDistance範圍內存在其他更強角點，則將此角點刪除
mask：掩碼陣列。掩碼中的非0元素對應的影象元素將會被計算，0元素則被遮蔽不參與計算，可選引數。
blockSize：算協方差矩陣時的視窗大小
useHarrisDetector：是否使用Harris演算法函式或cornerMinEigenVal檢測角點。
k：Harris角點檢測需要的k值.
使用函式goodFeaturesToTrack進行Shi-Tomasi角點檢測的程式碼如下：
程式碼請加Q2034196302獲取
程式碼請加Q2034196302獲取
程式碼請加Q2034196302獲取
執行結果截圖如下：
