Shi-Tomasi角点检测

视频讲解如下：

当前系列所有demo下载地址：

https://github.com/GaoRenBao/OpenCv4-Demo

不同编程语言对应的OpenCv版本以及开发环境信息如下： 

在本章节中给大家演示Shi-Tomasi角点检测，主要函数：GoodFeaturesToTrack。

当前代码同样是在毛星云的代码基础上进行扩展优化的。

首先呢，我们需要准备一张测试图片。（不想下载工程的童鞋，可直接复制下面的图片和代码）

运行效果如下（C#）：

C#版本代码如下：

C#版本需要安装“OpenCvSharp4”、“OpenCvSharp4.runtime.win”两个库才行。不然会报错。

如果需要使用“ BitmapConverter.ToBitmap”操作，则需要追加安装“OpenCvSharp4.Extensions”库。

using OpenCvSharp;
using System;

namespace demo
{
    internal class Program
    {
        static string WINDOW_NAME = "【Shi-Tomasi角点检测】";
        static Mat g_srcImage = new Mat();
        static Mat g_grayImage = new Mat();
        static int g_maxCornerNumber = 33; //当前阈值
        static int g_maxTrackbarNumber = 500; //最大阈值

        static void Main(string[] args)
        {
            //【1】载入原图像
            g_srcImage = Cv2.ImRead("../../../images/home6.jpg");

            //【2】存留一张灰度图
            Cv2.CvtColor(g_srcImage, g_grayImage, ColorConversionCodes.BGR2GRAY);

            //【3】创建窗口和滚动条
            Cv2.NamedWindow(WINDOW_NAME, WindowFlags.AutoSize);
            int v = Cv2.CreateTrackbar("最大角点数:", WINDOW_NAME, ref g_maxCornerNumber, g_maxTrackbarNumber, on_GoodFeaturesToTrack);
            on_GoodFeaturesToTrack(0, IntPtr.Zero);

            Cv2.WaitKey(0);
        }

        static void on_GoodFeaturesToTrack(int pos, IntPtr userData)
        {
            //【1】对变量小于等于1时的处理
            if (g_maxCornerNumber <= 1) { g_maxCornerNumber = 1; }

            //【2】Shi-Tomasi算法（goodFeaturesToTrack函数）的参数准备
            double qualityLevel = 0.01;//角点检测可接受的最小特征值
            double minDistance = 10;//角点之间的最小距离
            int blockSize = 3;//计算导数自相关矩阵时指定的邻域范围
            double k = 0.04;//权重系数
            Mat copy = new Mat();
            g_srcImage.CopyTo(copy);  //复制源图像到一个临时变量中，作为感兴趣区域

            //【3】进行Shi-Tomasi角点检测 
            // 输出检测到的角点的输出向量
            Point2f[] corners = Cv2.GoodFeaturesToTrack(g_grayImage,//输入图像
                g_maxCornerNumber,//角点的最大数量
                qualityLevel,//角点检测可接受的最小特征值
                minDistance,//角点之间的最小距离
                null,//感兴趣区域
                blockSize,//计算导数自相关矩阵时指定的邻域范围
                false,//不使用Harris角点检测
                k);//权重系数


            //【4】输出文字信息
            System.Diagnostics.Debug.WriteLine($"此次检测到的角点数量为：{corners.Length}");

            //【5】绘制检测到的角点
            int r = 4;
            RNG rng = new RNG(12345);
            for (int i = 0; i < corners.Length; i++)
            {
                //以随机的颜色绘制出角点
                byte cb = (byte)rng.Uniform(0, 255);
                byte cg = (byte)rng.Uniform(0, 255);
                byte cr = (byte)rng.Uniform(0, 255);
                Cv2.Circle(copy, (int)corners[i].X, (int)corners[i].Y, r, new Scalar(cb, cg, cr), -1, LineTypes.Link8, 0);
            }

            //【6】显示（更新）窗口
            Cv2.ImShow(WINDOW_NAME, copy);
        }
    }
}

C++版本代码如下：

#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
using namespace cv;
using namespace std;

#define WINDOW_NAME "【Shi-Tomasi角点检测】"        //为窗口标题定义的宏 

Mat g_srcImage, g_grayImage;
int g_maxCornerNumber = 33;
int g_maxTrackbarNumber = 500;
RNG g_rng(12345);//初始化随机数生成器

void on_GoodFeaturesToTrack(int, void*)
{
	//【1】对变量小于等于1时的处理
	if (g_maxCornerNumber<=1) { g_maxCornerNumber = 1; }

	//【2】Shi-Tomasi算法（goodFeaturesToTrack函数）的参数准备
	vector<Point2f> corners;
	double qualityLevel = 0.01;//角点检测可接受的最小特征值
	double minDistance = 10;//角点之间的最小距离
	int blockSize = 3;//计算导数自相关矩阵时指定的邻域范围
	double k = 0.04;//权重系数
	Mat copy = g_srcImage.clone();	//复制源图像到一个临时变量中，作为感兴趣区域

									//【3】进行Shi-Tomasi角点检测
	goodFeaturesToTrack(g_grayImage,//输入图像
		corners,//检测到的角点的输出向量
		g_maxCornerNumber,//角点的最大数量
		qualityLevel,//角点检测可接受的最小特征值
		minDistance,//角点之间的最小距离
		Mat(),//感兴趣区域
		blockSize,//计算导数自相关矩阵时指定的邻域范围
		false,//不使用Harris角点检测
		k);//权重系数


		   //【4】输出文字信息
	cout << "\t>此次检测到的角点数量为：" << corners.size() << endl;

	//【5】绘制检测到的角点
	int r = 4;
	for (int i = 0; i < corners.size(); i++)
	{
		//以随机的颜色绘制出角点
		circle(copy, corners[i], r, Scalar(g_rng.uniform(0, 255), g_rng.uniform(0, 255),
			g_rng.uniform(0, 255)), -1, 8, 0);
	}

	//【6】显示（更新）窗口
	imshow(WINDOW_NAME, copy);
}

int main()
{
	//【1】载入源图像并将其转换为灰度图
	g_srcImage = imread("../images/home6.jpg", 1);
	cvtColor(g_srcImage, g_grayImage, COLOR_BGR2GRAY);

	//【2】创建窗口和滑动条，并进行显示和回调函数初始化
	namedWindow(WINDOW_NAME, WINDOW_AUTOSIZE);
	createTrackbar("最大角点数", WINDOW_NAME, &g_maxCornerNumber, g_maxTrackbarNumber, on_GoodFeaturesToTrack);
	imshow(WINDOW_NAME, g_srcImage);
	on_GoodFeaturesToTrack(0, 0);

	waitKey(0);
	return(0);
}

Python版本代码如下：

import cv2
import numpy as np
import random

def on_GoodFeaturesToTrack(x):
    global g_maxCornerNumber

    # 获取滑动条的值
    g_maxCornerNumber = cv2.getTrackbarPos('max', 'WINDOW_NAME')

    # 对变量小于等于1时的处理
    if g_maxCornerNumber <= 1:
        g_maxCornerNumber = 1

    copy = np.copy(g_srcImage) # 复制源图像到一个临时变量中，作为感兴趣区域

    # Shi-Tomasi算法（goodFeaturesToTrack函数）的参数准备
    feature_params = dict(maxCorners=g_maxCornerNumber, # 角点的最大数量
                            qualityLevel=0.01, # 角点检测可接受的最小特征值
                            minDistance=10,    # 角点之间的最小距离
                            blockSize=3)       # 计算导数自相关矩阵时指定的邻域范围

    corners = cv2.goodFeaturesToTrack(g_grayImage, mask=None, **feature_params)

    # 输出文字信息
    print("此次检测到的角点数量为：", corners.size)

    for i in range(len(corners)):
        # 以随机的颜色绘制出角点
        color = (random.randint(0,255), random.randint(0,255), random.randint(0,255))
        center = (int(corners[i][0][0]), int(corners[i][0][1]))
        cv2.circle(copy,center, 4, color , -1, 8, 0)

    cv2.imshow("WINDOW_NAME", copy)

# 载入原图像
g_srcImage = cv2.imread("../images/home6.jpg")

# 存留一张灰度图
g_grayImage = cv2.cvtColor(g_srcImage, cv2.COLOR_BGR2GRAY)

# 创建窗口
cv2.namedWindow('WINDOW_NAME')
g_maxCornerNumber = 33
cv2.createTrackbar('max', 'WINDOW_NAME', g_maxCornerNumber, 500, on_GoodFeaturesToTrack)
cv2.setTrackbarPos('max', 'WINDOW_NAME', 0)

# 等待用户按键
cv2.waitKey(0)
cv2.destroyAllWindows()