OpenCV(四十三):Shi-Tomas角点检测

1.Shi-Tomas角点检测原理

Shi-Tomasi(也称为Good Features to Track)角点检测算法是一种改进的角点检测方法,它基于Harris角点检测算法,并针对一些不足进行了改进。

与Harris角点检测不同,Shi-Tomasi使用了更简化的角点响应函数。它选择了自相关矩阵M的较小特征值λmin作为评价角点的依据:

角点响应函数即为较小特征值。

角点判断如图所示:

  • 当λ1和λ2都小于λmin时,为平面区域
  • 当λ1和λ2都大于λmin时,为角点
  • 当λ1和λ2只有一个大于λmin时,为边缘区域

2.检测Shi-Tomas角点函数goodFeaturesToTrack()

void cv::goodFeaturesToTrack ( InputArray image,

OutputArray corners,

int maxCorners,

double qualityLevel,

double minDistance,

InputArray mask = noArray(),

int blockSize = 3,

bool useHarrisDetector =false,

double k = 0.04

)

  • corners:检测到角点的输出量
  • maxCorners:要寻找的角点数目。
  • qualityLevel: 角点阙值与最佳角点的关系,又称质量等级,当参数为0.01,表示角点阙值是最佳角点的0.01倍
  • minDistance:两个角点之间的最小欧式距离
  • mask:掩码矩阵,表示检测角点的区域。
  • blockSize:计算梯度协方差矩阵的尺寸。
  • useHarrisDetector:是否使用Harris角点
  • k:Haris检测角点过程中的常值权重系数

3.示例代码

复制代码
void  Tomas_f(Mat mat){
    Mat gray;
    cvtColor(mat,gray,COLOR_BGR2GRAY);
    //提取角点
    int maxCorners=100;//检测角点数目
    double quality_level=0.01;//质量等级
    double  minDistance=0.04;//两个角点之间的最小欧式距离
    vector<Point2f> corners;
    goodFeaturesToTrack(gray,corners,maxCorners,quality_level,minDistance,Mat(),3, false);
    //绘制角点
    vector<KeyPoint> keyPoints;//存放角点的KeyPoint类,用于后期绘制角点时使用
    for(int i=0;i<corners.size();i++){
        //将角点存放在KeyPoint类中
        KeyPoint keyPoint;
        keyPoint.pt=corners[i];
        keyPoints.push_back(keyPoint);
    }
    //用drwaKeyPoints()函数绘制角点坐标
    drawKeypoints(mat,keyPoints,mat);
    imwrite("/sdcard/DCIM/mat.png",mat);
}
相关推荐
好悬给我拽开线1 分钟前
EasyHeC++ 用预训练图像模型实现全自动手眼标定
人工智能
Bacon6 分钟前
把 Codex 装进 Mac 刘海:Codex Notch 安装与使用指南
人工智能
吕炘嵘14 分钟前
DPO loss 降了 75%,模型却没变好:我给手搓 LLM 补了一套评估系统
人工智能
程序员cxuan17 分钟前
推荐 10 个 WorkBuddy 中的邪修用法
人工智能·后端·程序员
花椒技术19 分钟前
数字人为什么突然爆发?从 H3 Max Lip Sync 看生成式数字人的临界点
人工智能·aigc
初学AI的小高21 分钟前
VFM:让 Agent 同时接受上千条自然语言规则的运行时检查
人工智能
我si绝版29 分钟前
OpenClaw 安装步骤
人工智能
Seiran32 分钟前
用Grok 4.7在ZEEKEAI啃长文档的提效实战
人工智能
Bacon35 分钟前
给项目做一次"全身 CT":Agent Skills 生态里的代码体检全链路
前端·人工智能·后端
培培说证37 分钟前
大专商务数据分析与应用可以报考哪些职业证书?
人工智能·数据挖掘·数据分析