opencv學習筆記（002）——Shi-Tomasi角點檢測

• 參考資料
• 學習過程
• 學習筆記

參考資料

學習過程

1. 在看他人的學習筆記的時候，感覺自己還是有些不足的地方，又重新去修改了上一篇筆記。
2. 這次看這個角點檢測的時候，明顯輕鬆很多了，畢竟也是有點底子了，爽。

學習筆記

1. Shi-Tomasi角點檢測是Harris的改良版，是以Harris中的矩陣M為基礎，優化了對特徵值的處理，得到了更好的效果。
2. Shi-Tomasi角點檢測函式：

goodFeaturesToTrack(image, maxCorners, qualityLevel, 
minDistance, corners=None, mask=
 
None, blockSize=None, 
useHarrisDetector=None, k=None)
mage：輸入影象，一般是灰度影象。
maxCorners: 想要檢測到的角點數目。
qualtyLevel: 角點的質量水平，0-1之間。它代表了角點的最低質量，
   		實際用於過濾角點的最小特徵值是qualtyLevel與影象中最大特徵值的乘積，
   		所以 qualtyLevel的值不應超過1（常用的值為0.1或0.01）。
   		低於這個值的所有角點都會被忽略。
minDistance: 兩個角點之間的最短歐式距離。
mask: 是一幅畫素值為布林型別的畫素，用於指定輸入影象中蠶吐角點計算的畫素點。
blockSize：計算導數的自相關矩陣時指定點的領域，預設為3
 
，
   		採用小視窗計算的結果比單點（也就是blockSize為1）計算的效果要好。
useHarrisDetector: 預設值為0，若非0，則函式使用Harris的角點定義
K： 當useHarrisDetector非0，則K為用於設定hessian自相關矩陣即對hessian行列式的相對權值的權值係數。

4. opencv學習demo（建議自己敲一遍）

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

using namespace cv;
using namespace std;

int num_corners =
 
 25;//獲取的角點個數
int max_corners = 200;
const char* output_title = "Shi-Tornasi Detector";
Mat src, gray_src;
void ShiTornasi_Demo(int,void*);
RNG rng(12345);//隨機數，為了產生畫在圖上的顏色樣式。

int main(int *argc, char** argv) {
   src = imread("C:\\Users\\Administrator\\Pictures\\4.jpg", 1);
   if (src.empty()) {
   	printf("圖片載入失敗\n");
   	return -1;
   }
   namedWindow("input image", CV_WINDOW_AUTOSIZE);
   imshow("input image", src);
   cvtColor(src, gray_src, CV_BGR2GRAY);
   namedWindow(output_title, CV_WINDOW_AUTOSIZE);
   createTrackbar("Num Corners", output_title, &num_corners, max_corners, ShiTornasi_Demo);
   ShiTornasi_Demo(0, 0);

   waitKey(0);
   return 0;
}

void ShiTornasi_Demo(int, void*) {
   if (num_corners < 5) {
   	num_corners = 5;
   }
   vector<Point2f> corners;
   double qualityLevel = 0.01;
   double minDistance = 10;
   int blockSize = 3;
   bool useHarris = false;
   double k = 0.04;
   Mat resultImg = src.clone();
   goodFeaturesToTrack(gray_src, corners, num_corners, qualityLevel, minDistance, Mat(), blockSize, useHarris, k);
   //printf("角點個數：%d", corners.size());
   //size_t 可以看做int 步長
   for (size_t t = 0; t < corners.size(); t++) {
   	//circle(resultImg, corners[t], 2, Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)), 2, 8, 0);
   	circle(resultImg, corners[t], 2, Scalar(0, 0, 255), 2, 8, 0);
   }
   imshow(output_title, resultImg);
}

3.實現效果圖：