OpenCV4开发入门教程105:shi-tomas角点检测

索引地址:系列索引

角点和角点检测:角点检测

原理

Shi-Tomasi算法是对Harris角点检测算法的改进,一般会比Harris算法得到更好的角点。Harris 算法的角点响应函数是将矩阵 M 的行列式值与 M 的迹相减,利用差值判断是否为角点。后来Shi 和Tomasi 提出改进的方法是,若矩阵M的两个特征值中较小的一个大于阈值,则认为他是角点,即:R=min(λ1,λ2)R= min(\lambda_1,\lambda_2) 。如下图所示:

shit-tomas

从这幅图中,可以看出来只有当 λ1\lambda_1λ2\lambda_2 都大于最小值时,才被认为是角点。

测试代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
//---------------------------------【头文件、命名空间包含部分】----------------------------
// 描述:包含程序所使用的头文件和命名空间
//------------------------------------------------------------------------------------------------
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
using namespace cv;
using namespace std;

//-----------------------------------【宏定义部分】--------------------------------------------
// 描述:定义一些辅助宏
//----------------------------------------------------------------------------------------------
#define WINDOW_NAME "result" //为窗口标题定义的宏

//-----------------------------------【全局变量声明部分】--------------------------------------
// 描述:全局变量声明
//-----------------------------------------------------------------------------------------------
Mat g_srcImage, g_grayImage;
int g_maxCornerNumber = 33;
int g_maxTrackbarNumber = 500;
RNG g_rng(12345); //初始化随机数生成器

//-----------------------------【on_GoodFeaturesToTrack( )函数】----------------------------
// 描述:响应滑动条移动消息的回调函数
//----------------------------------------------------------------------------------------------
void on_GoodFeaturesToTrack(int, void *) {
//【1】对变量小于等于1时的处理
if (g_maxCornerNumber <= 1) {
g_maxCornerNumber = 1;
}

//【2】Shi-Tomasi算法(goodFeaturesToTrack函数)的参数准备
vector<Point2f> corners;
double qualityLevel = 0.01; //角点检测可接受的最小特征值
double minDistance = 10; //角点之间的最小距离
int blockSize = 3; //计算导数自相关矩阵时指定的邻域范围
double k = 0.04; //权重系数
Mat copy = g_srcImage.clone(); //复制源图像到一个临时变量中,作为感兴趣区域

//【3】进行Shi-Tomasi角点检测
goodFeaturesToTrack(g_grayImage, //输入图像
corners, //检测到的角点的输出向量
g_maxCornerNumber, //角点的最大数量
qualityLevel, //角点检测可接受的最小特征值
minDistance, //角点之间的最小距离
Mat(), //感兴趣区域
blockSize, //计算导数自相关矩阵时指定的邻域范围
false, //不使用Harris角点检测
k); //权重系数

//【4】输出文字信息
cout << "\t>此次检测到的角点数量为:" << corners.size() << endl;

//【5】绘制检测到的角点
int r = 4;
for (int i = 0; i < corners.size(); i++) {
//以随机的颜色绘制出角点
circle(copy, corners[ i ], r,
Scalar(g_rng.uniform(0, 255), g_rng.uniform(0, 255), g_rng.uniform(0, 255)), -1, 8,
0);
}

//【6】显示(更新)窗口
imshow(WINDOW_NAME, copy);
}

//--------------------------------------【main( )函数】-----------------------------------------
// 描述:控制台应用程序的入口函数,我们的程序从这里开始执行
//-----------------------------------------------------------------------------------------------
int main() {
//【1】载入源图像并将其转换为灰度图
g_srcImage = imread("1.jpg", 1);
cvtColor(g_srcImage, g_grayImage, COLOR_BGR2GRAY);

//【2】创建窗口和滑动条,并进行显示和回调函数初始化
namedWindow(WINDOW_NAME, WINDOW_AUTOSIZE);
createTrackbar("最大角点数", WINDOW_NAME, &g_maxCornerNumber, g_maxTrackbarNumber,
on_GoodFeaturesToTrack);
imshow(WINDOW_NAME, g_srcImage);
on_GoodFeaturesToTrack(0, 0);

waitKey(0);
return (0);
}

效果为

shi-tomas

OpenCV4开发入门教程105:shi-tomas角点检测
https://feater.top/opencv/opencv-shi-tomas-corner-detection
作者
JackeyLea
发布于
2020年9月13日
许可协议