opencv_tutorial_code学习——角点检测方法

TrackingMotion\cornerDetector_Demo.cpp, cornerHarris_Demo.cpp , cornerSubPix_Demo.cpp, goodFeaturesToTrack_Demo.cpp


Harris角点检测

步骤：

1、灰度化

2、二值化

3、角点检测：cornerHarris( src_gray, dst, blockSize, apertureSize, k, BORDER_DEFAULT );

4、角点归一化：normalize( dst, dst_norm, 0, 255, NORM_MINMAX, CV_32FC1, Mat() );

5、范围处理：convertScaleAbs( dst_norm, dst_norm_scaled );

6、绘制角点：circle( dst_norm_scaled, Point( i, j ), 5,  Scalar(0), 2, 8, 0 );

cornerEigenValsAndVecs（）
作用：计算图像块的特征值和特征向量用于角点检测。

形式：void cornerEigenValsAndVecs(InputArray src, OutputArray dst, int blockSize, int ksize, int borderType=BORDER_DEFAULT )；

参数：

src：输入单通道8位或浮点图像；

dst：用来存储结果的图像；它有src相同的大小和类型为CV_32FC(6)；

blockSize：领域尺寸；
ksize：Sobel()算子的孔径参数；
borderType：像素外推方式；

cornerMinEigenVal（）
作用：计算梯度矩阵的最小特征值用于角点检测。
形式：void cornerMinEigenVal(InputArray src, OutputArray dst, int blockSize, int ksize=3, int borderType=BORDER_DEFAULT )；
参数：
src：输入单通道8位或浮点图像；
dst：用来存储最小特征值的图像；它有src相同的大小和类型为CV_32FC1；
blockSize：领域尺寸；
ksize：Sobel()算子的孔径参数；
borderType：像素外推方式；

goodFeaturesToTrack——Shi-Tomasi角点检测

goodFeaturesToTrack有比cornerHarris更多的控制参数，函数原型：

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 ); 
第一个参数image：8位或32位单通道灰度图像；

第二个参数corners：位置点向量，保存的是检测到的角点的坐标；

第三个参数maxCorners：定义可以检测到的角点的数量的最大值；

第四个参数qualityLevel：检测到的角点的质量等级，角点特征值小于qualityLevel*最大特征值的点将被舍弃；

第五个参数minDistance：两个角点间最小间距，以像素为单位；

第六个参数mask：指定检测区域，若检测整幅图像，mask置为空Mat()；

第七个参数blockSize：计算协方差矩阵时窗口大小；

第八个参数useHarrisDetector：是否使用Harris角点检测，为false，则使用Shi-Tomasi算子；

第九个参数k：留给Harris角点检测算子用的中间参数，一般取经验值0.04~0.06。第八个参数为false时，该参数不起作用；

cornerSubPix()亚像素角点检测

goodFeaturesToTrack()提取到的角点只能达到像素级别，在很多情况下并不能满足实际的需求，这时，我们则需要使用cornerSubPix()对检测到的角点作进一步的优化计算，可使角点的精度达到亚像素级别。

void cv::cornerSubPix(  

    cv::InputArray image, // 输入图像  

    cv::InputOutputArray corners, // 角点（既作为输入也作为输出）  

    cv::Size winSize, // 区域大小为 NXN; N=(winSize*2+1)  

    cv::Size zeroZone, // 类似于winSize，但是总具有较小的范围，Size(-1,-1)表示忽略  

    cv::TermCriteria criteria // 停止优化的标准  

);