Shi-Tomasi角点检测

　　Shi-Tomasi角点检测原理与Harris角点检测相同，只是在最后判别式的选取上不同Shi-Tomasi角点检测选取特征中的最小的那个来判别。${ m{R = }}min ({lambda _1},{lambda _2})$，下面是其Shi-Tomasi角点检测结果。

• Shi-Tomasi角点检测函数参数解释

goodFeaturesToTrack(
InputArray image,//输入图像，8位或浮点数32位
OutputArray corners,//检测到的角点向量
Int maxCorners，//角点的最大数量
Double qualityLevel,//可接受的最小特征值
Double minDistance,//角点之间的最小距离
InputArray mask,//感兴趣区域,一般默认无Mat()
Int blockSize,//自相关矩阵指定的领域范围
Bool useHarris,//是否使用Harris角点检测，1使用，0不使用
Double k,//自相关矩阵权重系数);

#include<opencv2/opencv.hpp>
#include<iostream>

using namespace std;
using namespace cv;
int init_value=50, max_value=555;
Mat src,gray,dst;
void shi_tomasi(int, void*);
int main(int argc, char** argv)
{
    
    src = imread("H:/cv_code/image/home.jpg");
    if (src.empty())
    {
        printf("could not find image");
        return -1;
    }
    namedWindow("input");
    imshow("input",src);
    cvtColor(src,gray,COLOR_BGR2GRAY);
    namedWindow("result");
    createTrackbar("value:","result",&init_value,max_value,shi_tomasi);
    shi_tomasi(0,0);
    waitKey(0);
    return 0;
}

void shi_tomasi(int, void*)
{
    if (init_value <= 1)
        init_value = 1;
    vector<Point2f> corners;
    goodFeaturesToTrack(gray,corners,init_value,0.01,10,Mat(),3,false,0.04);
    dst = src.clone();
    int r = 4;
    for (int i = 0; i < corners.size(); i++)
    {
        circle(dst,corners[i],3,Scalar(0,0,255),-1,8,0);
    }
    imshow("result",dst);
}