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：
