goodFeaturesToTrack函数

最新推荐文章于 2024-09-09 23:31:23 发布

原创最新推荐文章于 2024-09-09 23:31:23 发布 · 3k 阅读

5 ·

CC 4.0 BY-SA版权

opencv函数库之图像特征检测专栏收录该内容

9 篇文章

订阅专栏

本文详细介绍了OpenCV中的goodFeaturesToTrack函数，用于寻找图像中的强角点。函数参数包括输入图像、输出角点坐标、最大角点数、质量水平、最小距离、掩模、块大小和Harris角点检测参数。通过设置这些参数，可以有效地在图像中检测到稳定跟踪的特征点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、goodFeaturetoTrack函数

函数作用：

确定图像的强角点

2、goodFeaturetoTrack函数的调用形式

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 )

参数详解：

InputArray image：输入图像。单通道图像，就是一般是灰度图像

OutputArray corners：输出的强角点的坐标属于vector<point2f> corners

int maxCorners:表示角点的最大数

double qualityLevel：最大最小特征值的乘法因子。定义可接受图像角点的最小质量因子。

double minDistance：限制因子。得到的角点的最小距离。使用 Euclidian 距离

InputArray mask=noArray()：ROI:感兴趣区域。函数在ROI中计算角点，如果 mask 为 NULL，则选择整个图像。必须为单通道的灰度图，大小与输入图像相同。mask对应的点不为0，表示计算该点。

int blockSize=3：计算某一像素点的协方差的邻域大小，3,5,7,9，。。。。。。

covariation matrix of derivatives over the neighborhood as:

$M = \begin{bmatrix} \sum _{S(p)}(dI/dx)^2 & \sum _{S(p)}(dI/dx dI/dy)^2 \\ \sum _{S(p)}(dI/dx dI/dy)^2 & \sum _{S(p)}(dI/dy)^2 \end{bmatrix}$

bool useHarrisDetector=false：计算角点响应时，是不是用HarrisDetector方法进行角点检测，一般选择默认false

double k=0.04 ：HarrisDetector检测角点时所用的参数

opencv代码：

#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<iostream>
using namespace cv;
using namespace std;

int main()
{
	Mat src,src_gray;
	src= imread("D:6.jpg");
	cvtColor(src, src_gray, CV_RGB2GRAY);
	vector<Point2f> corners;
	double qualityLevel = 0.01;
	double minDistance = 10;
	int blockSize = 3;
	bool useHarrisDetector = false;
	double k = 0.04;   //<span class="comment" style="margin: 0px; padding: 0px; border: none; color: rgb(0, 130, 0); font-family: Consolas, 'Courier New', Courier, mono, serif; line-height: 18px; background-color: rgb(248, 248, 248);">这里是0.04*max（min（e1，e2）），e1，e2是harris矩阵的特征值</span><span style="margin: 0px; padding: 0px; border: none; font-family: Consolas, 'Courier New', Courier, mono, serif; line-height: 18px; background-color: rgb(248, 248, 248);"> </span>
	int maxCorners = 50;
	/// Copy the source image  
	goodFeaturesToTrack(src_gray,
		corners,
		maxCorners,
		qualityLevel,
		minDistance,
		Mat(),
		blockSize,
		useHarrisDetector,
		k);
	/// Draw corners detected  
	for (int i = 0; i < corners.size(); i++){
		/*circle(src, corners[i], 5, Scalar(255), 2, 8, 0);*/
		circle(src, corners[i], 4, Scalar(0, 255, 0), 2, 8, 0);
	}
	imshow("shiyan", src);
	waitKey(0);
	return 0;
}