#include <opencv2/opencv.hpp> // 包含OpenCV库的头文件
#include <iostream> // 包含标准输入输出流库
#include <math.h> // 包含数学函数库
using namespace cv; // 使用cv命名空间，以避免每次调用OpenCV函数时都要写cv::
using namespace std; // 使用std命名空间，以便使用cout, cin等函数
const char* harris_win = "Custom Harris Corners Detector"; // 定义Harris角点检测结果窗口名称
const char* shitomasi_win = "Custom Shi-Tomasi Corners Detector"; // 定义Shi-Tomasi角点检测结果窗口名称
Mat src, gray_src; // 声明源图像和灰度图变量
// Harris角点响应相关的矩阵及最大最小响应值
Mat harris_dst, harrisRspImg;
double harris_min_rsp;
double harris_max_rsp;
// Shi-Tomasi角点响应相关的矩阵及最大最小响应值
Mat shiTomasiRsp;
double shitomasi_max_rsp;
double shitomasi_min_rsp;
int sm_qualitylevel = 30; // Shi-Tomasi质量级别初始值
int qualityLevel = 30; // Harris质量级别初始值
int max_count = 100; // 滑动条的最大值
void CustomHarris_Demo(int, void*); // 声明Harris角点检测回调函数
void CustomShiTomasi_Demo(int, void*);// 声明Shi-Tomasi角点检测回调函数
int main(int argc, char** argv) {
src = imread("D:/vcprojects/images/home.jpg"); // 读取图片到src Mat对象中
if (src.empty()) { // 检查是否成功加载图片
printf("could not load image...\n");
return -1;
}
namedWindow("input image", CV_WINDOW_AUTOSIZE); // 创建一个名为"input image"的窗口
imshow("input image", src); // 在该窗口中显示原始图像
cvtColor(src, gray_src, COLOR_BGR2GRAY); // 将BGR格式的src转换为灰度图gray_src
// 计算特征值（Harris角点）
int blockSize = 3; // 邻域大小
int ksize = 3; // Sobel算子的孔径参数
double k = 0.04; // Harris公式中的自由参数k
harris_dst = Mat::zeros(src.size(), CV_32FC(6)); // 初始化用于存储特征值和向量的矩阵
harrisRspImg = Mat::zeros(src.size(), CV_32FC1); // 初始化用于存储Harris响应值的矩阵
cornerEigenValsAndVecs(gray_src, harris_dst, blockSize, ksize, 4); // 计算每个像素处的特征值和特征向量
// 计算Harris响应值
for (int row = 0; row < harris_dst.rows; row++) {
for (int col = 0; col < harris_dst.cols; col++) {
double lambda1 = harris_dst.at<Vec6f>(row, col)[0]; // 获取第一个特征值
double lambda2 = harris_dst.at<Vec6f>(row, col)[1]; // 获取第二个特征值
harrisRspImg.at<float>(row, col) = lambda1 * lambda2 - k * pow((lambda1 + lambda2), 2); // 计算Harris响应值
}
}
minMaxLoc(harrisRspImg, &harris_min_rsp, &harris_max_rsp, 0, 0, Mat()); // 找到响应值中的最大最小值
namedWindow(harris_win, CV_WINDOW_AUTOSIZE); // 创建一个用于显示Harris角点检测结果的窗口
createTrackbar("Quality Value:", harris_win, &qualityLevel, max_count, CustomHarris_Demo); // 创建滑块以调整质量级别
CustomHarris_Demo(0, 0); // 初始调用回调函数
// 计算最小特征值（Shi-Tomasi角点）
shiTomasiRsp = Mat::zeros(src.size(), CV_32FC1); // 初始化用于存储Shi-Tomasi响应值的矩阵
cornerMinEigenVal(gray_src, shiTomasiRsp, blockSize, ksize, 4); // 计算每个像素处的最小特征值
minMaxLoc(shiTomasiRsp, &shitomasi_min_rsp, &shitomasi_max_rsp, 0, 0, Mat()); // 找到响应值中的最大最小值
namedWindow(shitomasi_win, CV_WINDOW_AUTOSIZE); // 创建一个用于显示Shi-Tomasi角点检测结果的窗口
createTrackbar("Quality:", shitomasi_win, &sm_qualitylevel, max_count, CustomShiTomasi_Demo); // 创建滑块以调整质量级别
CustomShiTomasi_Demo(0, 0); // 初始调用回调函数
waitKey(0); // 等待按键事件
return 0;
}
// Harris角点检测回调函数：根据用户设定的质量级别绘制角点
void CustomHarris_Demo(int, void*) {
if (qualityLevel < 10) { // 设定最低质量级别
qualityLevel = 10;
}
Mat resultImg = src.clone(); // 复制原始图像用于绘制角点
float t = harris_min_rsp + (((double)qualityLevel) / max_count) * (harris_max_rsp - harris_min_rsp); // 根据质量级别计算阈值
for (int row = 0; row < src.rows; row++) {
for (int col = 0; col < src.cols; col++) {
float v = harrisRspImg.at<float>(row, col); // 获取当前像素的Harris响应值
if (v > t) { // 如果响应值大于阈值，则认为是角点
circle(resultImg, Point(col, row), 2, Scalar(0, 0, 255), 2, 8, 0); // 在图像上绘制红色圆圈标记角点
}
}
}
imshow(harris_win, resultImg); // 显示带有角点标记的图像
}
// Shi-Tomasi角点检测回调函数：根据用户设定的质量级别绘制角点
void CustomShiTomasi_Demo(int, void*) {
if (sm_qualitylevel < 20) { // 设定最低质量级别
sm_qualitylevel = 20;
}
Mat resultImg = src.clone(); // 复制原始图像用于绘制角点
float t = shitomasi_min_rsp + (((double)sm_qualitylevel) / max_count) * (shitomasi_max_rsp - shitomasi_min_rsp); // 根据质量级别计算阈值
for (int row = 0; row < src.rows; row++) {
for (int col = 0; col < src.cols; col++) {
float v = shiTomasiRsp.at<float>(row, col); // 获取当前像素的Shi-Tomasi响应值
if (v > t) { // 如果响应值大于阈值，则认为是角点
circle(resultImg, Point(col, row), 2, Scalar(0, 0, 255), 2, 8, 0); // 在图像上绘制红色圆圈标记角点
}
}
}
imshow(shitomasi_win, resultImg); // 显示带有角点标记的图像
}