OpenCV：goodFeaturesToTrack角点检测的应用
1、goodFeaturesToTrack格式：
void goodFeaturesToTrack(
InputArray image, //输入图像
OutputArray corners, //输出角点vector
int maxCorners, //最大角点数目
double qualityLevel, // 质量水平系数
double minDistance, // 最小距离，小于此距离的点忽略
InputArray mask = noArray(), // mask=0的点忽略
int blockSize = 3, //邻域数
bool useHarrisDetector = false, // false =Shi Tomasi metric
double k = 0.04 //Harris角点检测时使用
);
参数：
第一个参数是输入图像（8位或32位单通道图）；
第二个参数是检测的所有角点，类型为vector或数组，由给定的参数类型而定。如果是vector，那么它应该是一个包含cv::Point2f的vector对象；如果类型是cv::Mat,那么它的每一行对应一个角点，点的x、y位置分别是两列；
第三个参数用于限定检测到的点数的最大值；
第四个参数表示检测到的角点的质量水平（通常是0.10到0.01之间的数值，不能大于1.0）；
第五个参数用于区分相邻两个角点的最小距离（小于这个距离得点将进行合并）；
第六个参数是mask，如果指定，它的维度必须和输入图像一致，且在mask值为0处不进行角点检测。
第七个参数是blockSize，表示在计算角点时参与运算的区域大小，常用值为3，但是如果图像的分辨率较高则可以考虑使用较大一点的值；
第八个参数用于指定角点检测的方法，如果是true则使用Harris角点检测，false则使用Shi Tomasi算法；
第九个参数是在使用Harris算法时使用，最好使用默认值0.04；
2、goodFeaturesToTrack应用
程序：
#include <opencv2\opencv.hpp>
#include <opencv2\highgui\highgui.hpp>
#include <opencv2\features2d\features2d.hpp>
#include <opencv2\core\core.hpp>
using namespace std;
using namespace cv;
int main()
{
Mat image_color = imread("Lighthouse.jpg", 1);
Mat image_gray;
cvtColor(image_color, image_gray, COLOR_BGR2GRAY);
//设置角点检测参数
vector<Point2f> corners;
int max_corners = 500;
double quality_level = 0.01;
double min_distance = 3.0;
int block_size = 3;
bool use_harris = false;
double k = 0.04;
goodFeaturesToTrack(image_gray,
corners,
max_corners,
quality_level,
min_distance,
Mat(),
block_size,
use_harris,
k);
//将检测到的角点绘制到原图上
for (int i = 0; i < corners.size(); i++)
{
circle(image_color, corners[i], 1, Scalar(0, 0, 255), 2, 8, 0);
}
namedWindow("house corner",CV_WINDOW_NORMAL);
imshow("house corner", image_color);
waitKey(0);
return 0;
}
3、cornerSubPix()格式
goodFeaturesToTrack()提取的角点只能达到像素级别，在很多情况下并不能满足实际的需求，这时就需要cornerSubPix()对检测的角点作进一步的优化计算，
使角点的精度达到亚像素级别。
void cornerSubPix(
InputArray image, // 输入图像
InputOutputArray corners, // 角点
Size winSize, // 区域大小为 N*N; N=(winSize*2+1)
Size zeroZone, // 类似于winSize，Size(-1,-1)表示忽略
TermCriteria criteria // 停止优化的标准
);
第一个参数是输入图像和goodFeaturesToTrack()中的输入图像是同一个图像。
第二个参数是检测到的角点，即是输入也是输出。
第三个参数是计算亚像素角点时考虑的区域大小，大小为N*N; N=(winSize*2+1)。
第四个参数作用类似于winSize，但是总是具有较小的范围，通常忽略（即Size(-1, -1)）。
第五个参数表示计算亚像素时停止迭代的标准，可选的值有TermCriteria::MAX_ITER 、TermCriteria::EPS，前者表示迭代次数达到了最大次数时停止，后者表示角点位置变化的最小值已经达到最小时停止迭代。二者均使用cv::TermCriteria()构造函数进行指定。
4、goodFeaturesToTrack结合cornerSubPix的应用
程序：
#include <opencv2\opencv.hpp>
#include <opencv2\highgui\highgui.hpp>
#include <opencv2\features2d\features2d.hpp>
#include <opencv2\core\core.hpp>
using namespace std;
using namespace cv;
int main()
{
Mat image_color = imread("Lighthouse.jpg", 1);
Mat image_gray;
cvtColor(image_color, image_gray, COLOR_BGR2GRAY);
//设置角点检测参数
vector<Point2f> corners;
int max_corners = 500;
double quality_level = 0.01;
double min_distance = 3.0;
int block_size = 3;
bool use_harris = false;
double k = 0.04;
goodFeaturesToTrack(image_gray,
corners,
max_corners,
quality_level,
min_distance,
Mat(),
block_size,
use_harris,
k);
//将检测到的角点绘制到原图上
for (int i = 0; i < corners.size(); i++)
{
circle(image_color, corners[i], 1, Scalar(0, 0, 255), 2, 8, 0);
}
namedWindow("goodTrack corner",CV_WINDOW_NORMAL);
imshow("goodTrack corner", image_color);
//指定亚像素计算迭代标注
TermCriteria criteria = TermCriteria(
TermCriteria::MAX_ITER + TermCriteria::EPS,
40,
0.01);
//亚像素检测
cornerSubPix(image_gray, corners, Size(5, 5), Size(-1, -1), criteria);
//将检测到的亚像素角点绘制到原图上
for (int i = 0; i < corners.size(); i++)
{
circle(image_color, corners[i], 5, cv::Scalar(0, 255, 0), 2, 8, 0);
}
namedWindow("sub pixel corner",CV_WINDOW_NORMAL);
imshow("sub pixel corner", image_color);
waitKey(0);
return 0;
}
5、像素角点与亚像素角点对比：
如图所示：
