当前位置：网站首页 > 创业 > 正文

OpenCV：goodFeaturesToTrack角点检测的应用

张子豪 2025-10-12 09:02 1

绪：

最常用的角点检测方式是Harris角点检测，

OpenCV供给了Harris角点检测的接口cornerHarris()，但Harris检测的角点是像素级的，且检测速度较慢；

这里介绍OpenCV另一个功能更为壮大角点检测函数goodFeaturesToTrack()，

不仅撑持Harris角点检测，也撑持Shi Tomasi算法的角点检测。

但该函数检测的角点依然是像素级此外。

若想获取更为邃密的角点坐标，

则需要与cornerSubPix()函数共同利用，获得亚像素角点。

东西/原料

opencv 2410

方式/步调

1
goodFeaturesToTrack格局：
void goodFeaturesToTrack(
InputArray image, //输入图像
                       OutputArray corners, //输出角点vector
                       int maxCorners, //最年夜角点数量
                       double qualityLevel, // 质量程度系数
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角点检测时利用
);
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，由给心猿意马的参数类型而心猿意马。若是是vector，那么它应该是一个包含cv::Point2f的vector对象；若是类型是cv::Mat,那么它的每一行对应一个角点，点的x、y位置别离是两列；
第三个参数用于限制检测到的点数的最年夜值；
第四个参数暗示检测到的角点的质量程度（凡是是0.10到0.01之间的数值，不克不及年夜于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归并）；
第六个参数是mask，若是指心猿意马，它的维度必需和输入图像一致，且在mask值为0处不进行角点检测。
第七个参数是blockSize，暗示在计较角点时介入运算的区域巨细，常用值为3，可是若是图像的分辩率较高则可以考虑利用较年夜一点的值；
第八个参数用于指心猿意马角点检测的方式，若是是true则利用Harris角点检测，false则利用Shi Tomasi算法；
第九个参数是在利用Harris算法时利用，最好利用默认值0.04；
2
goodFeaturesToTrack应用
法式：
#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()格局
goodFeaturesToTrack()提取的角点只能达到像素级别，在良多环境下并不克不及知足现实的需求，这时就需要cornerSubPix()对检测的角点作进一步的优化计较，
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, // 区域巨细为 N*N; N=(winSize*2+1)
                Size zeroZone, // 近似于winSize，Size(-1,-1)暗示忽略
                TermCriteria criteria // 遏制优化的尺度
);
第一个参数是输入图像和goodFeaturesToTrack()中的输入图像是统一个图像。
第二个参数是检测到的角点，便是输入也是输出。
第三个参数是计较亚像素角点时考虑的区域巨细，巨细为N*N; N=(winSize*2+1)。
第四个参数感化近似于winSize，可是老是具有较小的规模，凡是忽略（即Size(-1, -1)）。
第五个参数暗示计较亚像素时遏制迭代的尺度，可选的值有TermCriteria::MAX_ITER 、TermCriteria::EPS，前者暗示迭代次数达到了最年夜次数时遏制，后者暗示角点位置转变的最小值已经达到最小时遏制迭代。二者均利用cv::TermCriteria()机关函数进行指心猿意马。
4
goodFeaturesToTrack连系cornerSubPix的应用
法式：
#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);

       //指心猿意马亚像素计较迭代标注
       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：