OpenCV：goodFeaturesToTrack角點檢測的應用

緒：

最常用的角點檢測方式是Harris角點檢測，

OpenCV供給了Harris角點檢測的接口cornerHarris()，但Harris檢測的角點是像素級的，且檢測速度較慢；

這里介紹OpenCV另一個功能更為壯大角點檢測函數goodFeaturesToTrack()，

不僅撐持Harris角點檢測，也撐持Shi Tomasi算法的角點檢測。

但該函數檢測的角點依然是像素級此外。

若想獲取更為邃密的角點坐標，

則需要與cornerSubPix()函數共同利用，獲得亞像素角點。

東西/原料

opencv 2410

方式/步調

1
goodFeaturesToTrack格局：
void goodFeaturesToTrack(
InputArray image, //輸入圖像
                       OutputArray corners, //輸出角點vector
                       int maxCorners, //最年夜角點數量
                       double qualityLevel, // 質量程度系數
double minDistance, // 最小距離，小于此距離的點忽略
                       InputArray mask = noArray(), // mask=0的點忽略
                       int blockSize = 3, //鄰域數
bool useHarrisDetector = false, // false =Shi Tomasi metric
                       double k = 0.04 //Harris角點檢測時利用
);
參數：
第一個參數是輸入圖像（8位或32位單通道圖）；
第二個參數是檢測的所有角點，類型為vector或數組，由給心猿意馬的參數類型而心猿意馬。若是是vector，那么它應該是一個包含cv::Point2f的vector對象；若是類型是cv::Mat,那么它的每一行對應一個角點，點的x、y位置別離是兩列；
第三個參數用于限制檢測到的點數的最年夜值；
第四個參數暗示檢測到的角點的質量程度（凡是是0.10到0.01之間的數值，不克不及年夜于1.0）；
第五個參數用于區分相鄰兩個角點的最小距離（小于這個距離得點將進行歸并）；
第六個參數是mask，若是指心猿意馬，它的維度必需和輸入圖像一致，且在mask值為0處不進行角點檢測。
第七個參數是blockSize，暗示在計較角點時介入運算的區域巨細，常用值為3，可是若是圖像的分辯率較高則可以考慮利用較年夜一點的值；
第八個參數用于指心猿意馬角點檢測的方式，若是是true則利用Harris角點檢測，false則利用Shi Tomasi算法；
第九個參數是在利用Harris算法時利用，最好利用默認值0.04；
2
goodFeaturesToTrack應用
法式：
#include <opencv2\opencv.hpp>
#include <opencv2\highgui\highgui.hpp>
#include <opencv2\features2d\features2d.hpp>
#include <opencv2\core\core.hpp>

using namespace std;
using namespace cv;

int main()
{
       Mat image_color = imread("Lighthouse.jpg", 1);
       Mat image_gray;
       cvtColor(image_color, image_gray, COLOR_BGR2GRAY);

       //設置角點檢測參數
       vector<Point2f> corners;
       int max_corners = 500;
       double quality_level = 0.01;
       double min_distance = 3.0;
       int block_size = 3;
       bool use_harris = false;
       double k = 0.04;
       goodFeaturesToTrack(image_gray,
                            corners,
                             max_corners,
                             quality_level,
                             min_distance,
                                      Mat(),
                                      block_size,
                                      use_harris,
                                      k);
       //將檢測到的角點繪制到原圖上
       for (int i = 0; i < corners.size(); i++)
       {
              circle(image_color, corners[i], 1, Scalar(0, 0, 255), 2, 8, 0);
       }
       namedWindow("house corner",CV_WINDOW_NORMAL);
       imshow("house corner", image_color);
       waitKey(0);
       return 0;
}
3
cornerSubPix()格局
goodFeaturesToTrack()提取的角點只能達到像素級別，在良多環境下并不克不及知足現實的需求，這時就需要cornerSubPix()對檢測的角點作進一步的優化計較，
使角點的精度達到亞像素級別。
void cornerSubPix(
                InputArray image, // 輸入圖像
                InputOutputArray corners, // 角點
                Size winSize, // 區域巨細為 N*N; N=(winSize*2+1)
                Size zeroZone, // 近似于winSize，Size(-1,-1)暗示忽略
                TermCriteria criteria // 遏制優化的尺度
);
第一個參數是輸入圖像和goodFeaturesToTrack()中的輸入圖像是統一個圖像。
第二個參數是檢測到的角點，便是輸入也是輸出。
第三個參數是計較亞像素角點時考慮的區域巨細，巨細為N*N; N=(winSize*2+1)。
第四個參數感化近似于winSize，可是老是具有較小的規模，凡是忽略（即Size(-1, -1)）。
第五個參數暗示計較亞像素時遏制迭代的尺度，可選的值有TermCriteria::MAX_ITER 、TermCriteria::EPS，前者暗示迭代次數達到了最年夜次數時遏制，后者暗示角點位置轉變的最小值已經達到最小時遏制迭代。二者均利用cv::TermCriteria()機關函數進行指心猿意馬。
4
goodFeaturesToTrack連系cornerSubPix的應用
法式：
#include <opencv2\opencv.hpp>
#include <opencv2\highgui\highgui.hpp>
#include <opencv2\features2d\features2d.hpp>
#include <opencv2\core\core.hpp>

using namespace std;
using namespace cv;

int main()
{
       Mat image_color = imread("Lighthouse.jpg", 1);
       Mat image_gray;
       cvtColor(image_color, image_gray, COLOR_BGR2GRAY);

       //設置角點檢測參數
       vector<Point2f> corners;
       int max_corners = 500;
       double quality_level = 0.01;
       double min_distance = 3.0;
       int block_size = 3;
       bool use_harris = false;
       double k = 0.04;
       goodFeaturesToTrack(image_gray,
                              corners,
                              max_corners,
                              quality_level,
                              min_distance,
                                          Mat(),
                                          block_size,
                                          use_harris,
                                          k);
       //將檢測到的角點繪制到原圖上
       for (int i = 0; i < corners.size(); i++)
       {
              circle(image_color, corners[i], 1, Scalar(0, 0, 255), 2, 8, 0);
       }
       namedWindow("goodTrack corner",CV_WINDOW_NORMAL);
       imshow("goodTrack corner", image_color);

       //指心猿意馬亞像素計較迭代標注
       TermCriteria criteria = TermCriteria(
                                      TermCriteria::MAX_ITER + TermCriteria::EPS,
                                      40,
                                      0.01);
       //亞像素檢測
       cornerSubPix(image_gray, corners, Size(5, 5), Size(-1, -1), criteria);

       //將檢測到的亞像素角點繪制到原圖上
       for (int i = 0; i < corners.size(); i++)
       {
              circle(image_color, corners[i], 5, cv::Scalar(0, 255, 0), 2, 8, 0);
       }
       namedWindow("sub pixel corner",CV_WINDOW_NORMAL);
       imshow("sub pixel corner", image_color);

       waitKey(0);
       return 0;
}
5
像素角點與亞像素角點對比：
如圖所示：