OPENCV之GFTT特征点检测

　　之前角点检测的时候提到过角点检测的算法,第一个是cornerHarris计算角点,但是这种角点检测算法容易出现聚簇现象以及角点信息有丢失和位置偏移现象,所以后面又提出一种名为

　shi_tomasi的角点检测算法,名称goodFeatureToTrack,opencv的feature2D接口集成了这种算法,名称为GFTTDetector,接口如下

　　Ptr<GFTTDetector> create( int maxCorners=1000, double qualityLevel=0.01, double minDistance=1,

　　　　　　　　int blockSize=3, bool useHarrisDetector=false, double k=0.04 );

　　maxCorners 最大角点数目 qualityLevel角点可以接受的最小特征值,一般0.1或者0.01,不超过1 minDistance 加点之间的最小距离

　　blockSize倒数自相关矩阵的邻域范围 useHarrisDetector 是否使用角点检测 khessian自相关矩阵的相对权重系数 一般为0.04

　　使用代码如下

int main(int argc,char* argv[])
{
    Mat srcImage = imread("F:\opencv\OpenCVImage\FeatureDetectSrc1.jpg");
    Mat srcGrayImage;
    if (srcImage.channels() == 3)
    {
        cvtColor(srcImage,srcGrayImage,CV_RGB2GRAY);
    }
    else
    {
        srcImage.copyTo(srcGrayImage);
    }
    vector<KeyPoint>detectKeyPoint;
    Mat keyPointImage1,keyPointImage2;

    Ptr<GFTTDetector> gftt = GFTTDetector::create();
    gftt->detect(srcGrayImage,detectKeyPoint);
    drawKeypoints(srcImage,detectKeyPoint,keyPointImage1,Scalar(0,0,255),DrawMatchesFlags::DRAW_RICH_KEYPOINTS);
    drawKeypoints(srcImage,detectKeyPoint,keyPointImage2,Scalar(0,0,255),DrawMatchesFlags::DEFAULT);

    imshow("src image",srcImage);
    imshow("keyPoint image1",keyPointImage1);
    imshow("keyPoint image2",keyPointImage2);

    imwrite("F:\opencv\OpenCVImage\FeatureDetectSrc1GFTTKeyPointImageDefault.jpg",keyPointImage2);

    waitKey(0);
    return 0;
}

显示图像