goodFeaturesToTrack关键点检测

环境：

opencv 2.3.1

函数

goodFeaturesToTrack

，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

乘以 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；

函数使用实例：

int main()
{
Mat img = imread("test.jpg");
Mat grayImage;
//转换灰度图
cvtColor(img, grayImage, CV_BGR2GRAY);

//开始进行角点检测
vector<Point2f> dstPoint2f;
goodFeaturesToTrack(grayImage, dstPoint2f, 200, 0.01, 10, Mat(), 3);

//遍历每个点，进行绘制，便于显示
Mat dstImage;
img.copyTo(dstImage);
for (int i = 0; i < (int)dstPoint2f.size(); i++)
{
circle(dstImage, dstPoint2f[i], 3, Scalar(theRNG().uniform(0, 255), theRNG().uniform(0, 255), theRNG().uniform(0, 255))
, 2, 8);
}
imshow("Frame_Windows", dstImage);
waitKey();
return 0;
}

运行结果如下