LOFTER-网易轻博

角点检测是用来获得图像特征的一种方法，广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域。角点检测归为以下三类1、基于灰度图像的角点检测 2、基于二值图像的角点检测 3、基于轮廓曲线的角点检测。基于灰度图像的角点检测又分1.1基于梯度、1.2基于模板、1.3基于模板梯度组合三类方法。基于模板的方法主要考虑像素领域点的灰度变化，即图像亮度的变化，常见的有1.2.1 Kitchen-Rosenfeld、1.2.2 Harris、1.2.3 KLT、1.2.4 SUSAN。

harris角点检测是一种直接基于灰度图像的角点提取算法，稳定性高，尤其对L型角点检测精度高。但由于采用了高斯滤波，运算速度相对较慢，角点信息有丢失和位置偏移的现象，而且角点提取有聚簇现象。cornerHarris（src，dst，int bookSize，int ksize，double k）第三个参数bookSize表示领域的大小。第四个参数ksize表示Sobel（）算子的孔径大小。第五个参数k，Harris参数。

#include<iostream>

using namespace cv;

using namespace std;

int main()

{

Mat src,dst,dst_1;

    src = imread("5.jpg",0);

resize(src,src,Size(350,350));

imshow( "原图" ,src);

cornerHarris(src,dst,2,3,0.01);

threshold(dst,dst_1,0.00001,255,CV_THRESH_BINARY);

imshow("角点检测后的二值图",dst_1);

waitKey();

return 0;

}

Shi-Tomasi算法是Harris算法的改进，若两个特征值中较小的一个大于最小阙值，则会得到强角点。goodFeaturesToTrack（src，corners，int maxCorners，double qualityLevel,double minDistance,InputArray mask=noArray()）。第二个参数corners，检测到的角点的输出向量。第三个参数maxCorners，角点的最大数量。第四个参数qualityLevel角点检测可接受的最小特征值，通常不会超过1，常用0.10或0.01。第五个参数minDistance，角点之间的最小距离。第六个参数表示感兴趣区域。

#include<opencv2/opencv.hpp>

#include<iostream>

using namespace cv;

using namespace std;

int main()

{

Mat src,dst,dst_1;

src = imread("5.jpg",0);

resize(src,src,Size(350,350));

imshow( "1" ,src);

//角点检测

vector<Point2f>corners;

goodFeaturesToTrack(src,corners,200,0.01,10,Mat());

//绘制角点

Mat copy=src.clone();//复制源图像到临时变量中，作为感兴趣区域。

int r=4;

for(int i=0;i < corners.size();i++)

{

RNG rng;

circle(copy,corners[i],r,Scalar(rng.uniform(0,255),rng.uniform(0,255),rng.uniform(0,255)),-1);

}

imshow("2",copy);

waitKey();

return 0;

}

亚像素级角点检测。

函数goodFeaturesToTrack（）只能提供简单的像素的坐标值。即有时候需要精确到实数坐标值，而非整数坐标值。cornerSubPix（src，corners，Size winSize，Size zeroZone，TermCriteria criteria）。第三个参数winSize，搜索窗口的一半尺寸。第四个参数zeroZone，表示死区的一半尺寸。死区即不进行求和运算的区域，用来避免自相关矩阵可能出现的奇异性。（-1，-1）表示没有死区。第五个参数，求角点的迭代过程的终止条件。

#include<opencv2/opencv.hpp>

#include<iostream>

using namespace cv;

using namespace std;

int main()

{

Mat src,dst,dst_1;

    src = imread("5.jpg",0);

resize(src,src,Size(350,350));

imshow( "1" ,src);

//角点检测

vector<Point2f>corners;

goodFeaturesToTrack(src,corners,200,0.01,10,Mat());

//*计算出亚像素角点位置

TermCriteria criteria=TermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER,40,0.001);

cornerSubPix(src,corners,Size(5,5),Size(-1,-1),criteria);

//*输出角点信息

for(int i=0;i<corners.size();i++)

cout<<"Exact angular point coordinates["<<i<<"]("<<corners[i].x<<","<<corners[i].y<<")"<<endl;

//绘制角点

Mat copy=src.clone();

int r=4;

for(int i=0;i < corners.size();i++)

{

RNG rng;

circle(copy,corners[i],r,Scalar(rng.uniform(0,255),rng.uniform(0,255),rng.uniform(0,255)),-1);

}

imshow("2",copy);

waitKey();

return 0;

}