這次的tomasi跟上次的harris比，兩者原理上很像，可以說tomasi是harris的進化版。個人覺得，如果做角點檢測的話，首選tomasi，因為它優化很好，響應速度比harris快。拖動TrackBar時，真的快如風，但使用harris時，有時還會崩掉。
tomasi基本原理如下：

相關API使用及說明：

上面截圖來自於賈志剛老師的ppt頁面，在此感謝賈志剛老師！
下面附上原始碼：

#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>

using namespace cv;
using namespace std;

int current_corner = 5;
int max_corner = 200;
const char* output_title = "tomasi demo";

void tomasi(int, void*);
Mat src,gray_src;
int main(int argc, char** argv)
{
	src = imread("D:/test/大廈.jpg");
	if (!src.data)
	{
		cout <<"圖片未找到"<<endl;
		return -1;
	}
	imshow("input title", src);
	namedWindow(output_title, CV_WINDOW_AUTOSIZE);
	createTrackbar("corner_num", output_title, &current_corner, max_corner, tomasi);
	tomasi(0, 0);
	waitKey(0);
	return 0;
  
}

void tomasi(int, void *)
{
	RNG rng(12345);
	
	cvtColor(src, gray_src, CV_BGR2GRAY);

	if (current_corner < 5)
	{
		current_corner = 5;
	}
	Mat resultImg = gray_src.clone();
	cvtColor(resultImg, resultImg, COLOR_GRAY2RGB);//如果不轉，生成的corner也是灰色的
	vector<Point2f> corners;
	double qualityLevel = 0.01;
	double minDistance=10;//兩個角點之間的最小距離
	int blocksize = 3;
	bool useHarrDetector = false;
	double k = 0.04;
	goodFeaturesToTrack(gray_src, corners, current_corner, qualityLevel, minDistance, Mat(), blocksize, useHarrDetector, k);
	cout << "Num of Corner:" << corners.size() << endl;

	for (size_t i = 0; i < corners.size(); i++)
	{
		Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
		circle(resultImg, corners[i], 2, color, 2, 8, 0);
	}
	imshow(output_title, resultImg);
}

 

---------------------------------------------------------程式執行結果-----------------------------------------
輸入圖片：

角點檢測圖（當前值：95）：

角點檢測圖（當前值：181）：