《opencv学习笔记》-- Shi-Tomasi 角点检测

Shi-Tomasi算法是Harris算法的改进。

原理：

        由于Harris算法的稳定性和k值有关，Shi-Tomasi发现，角点的稳定性和矩阵M的较小特征值有关，改进的Harris算法即直接计算出矩阵M的特征值，用较小的特征值与阈值比较，大于最小阈值的即为强特征点（强角点）。

确定图像强角点：goodFeaturesToTrack() 函数     结合Shi-Tomasi算子

void goodFeaturesToTrack (InputArray image, OutputArray corners, 
                          int maxCorners, double qualityLevel,
                          double minDistance, InputArray mask = noArray(),
                          int blockSize = 3, bool useHarrisDetector = false,  
                          double k = 0.04 )

参数1，InputArray类型的image，输入图像，为8位或浮点型32位单通道图像。

参数2，OutputArray类型的corners，检测到的角点的输出向量。

参数3，int类型的maxCorners，角点的最大数量。

参数4，double类型的qualityLevel，角点检测可接受的最小特征值。实际用于过滤角点的最

            小特征值是qualityLevel 与图像中最大特征值的乘积。所以qualityLevel通常不会超过

            1（常用的值为0.10或者0.01)。而检测完所有的角点后，还要进一步剔除掉一些距离

            较近的角点。

参数5，double类型的 minDistance，角点之间的最小距离，用于保证返回的角点之间的距离

             不小于minDistance个像素。

参数6，InputArray类型的mask，可选参数，表示感兴趣区域，有默认值noArray()。

            若此参数非空(需为CV_8UC1类型,且和第一个参数image有相同的尺寸)，便用于指定

             角点检测区域。

参数7，int类型的blockSize，有默认值3，是计算导数自相关矩阵时指定的邻域范围。

参数8，bool类型的useHarrisDetector，默认值 false，指是否使用Harris角点检测。

参数9，double类型的k，默认值0.04，为用于设置Hessian自相关矩阵行列式的相对权重的

             权重系数。