OpenCV 图形API（62)特征检测-----在图像中查找最显著的角点函数goodFeaturesToTrack()

操作系统：ubuntu22.04
OpenCV版本：OpenCV4.9
IDE:Visual Studio Code
编程语言：C++11

算法描述

确定图像上的强角点。

该函数在图像或指定的图像区域内找到最显著的角点，如文献[240]中所述。

函数使用 cornerMinEigenVal 或 cornerHarris 在每个源图像像素上计算角点质量测量值。
函数执行非极大值抑制（保留3x3邻域内的局部最大值）。
最小特征值小于 qualityLevel⋅maxx,yqualityMeasureMap(x,y) 的角点将被拒绝。
剩余的角点按照质量测量值从大到小排序。
函数会丢弃每一个在其距离小于 maxDistance 范围内存在更强角点的角点。

该函数可以用于初始化基于点的对象跟踪器。

注意：

如果以不同的 qualityLevel 参数值 A 和 B 调用该函数，并且 A > B，则返回的带有 qualityLevel=A 的角点向量将是带有 qualityLevel=B 的输出向量的前缀。
函数的文字ID是 “org.opencv.imgproc.feature.goodFeaturesToTrack”。

函数原型

GArray<Point2f> cv::gapi::goodFeaturesToTrack 
(const GMat &  	image,int  	maxCorners,double  	qualityLevel,double  	minDistance,const Mat &  	mask = Mat(),int  	blockSize = 3,bool  	useHarrisDetector = false,double  	k = 0.04 
)

参数

参数 image：输入8位或浮点32位、单通道图像。 - 参数 maxCorners：要返回的最大角点数量。如果找到的角点多于 maxCorners，将返回最强的那些。maxCorners <= 0 表示对最大数量没有限制，并返回所有检测到的角点。
参数 qualityLevel：表征接受的最小图像角点质量的参数。参数值乘以最佳角点质量测量值，即最小特征值（见 cornerMinEigenVal）或 Harris 函数响应（见 cornerHarris）。质量测量值低于此乘积的角点将被拒绝。例如，如果最佳角点的质量测量值为1500，qualityLevel=0.01，则所有质量测量值小于15的角点都将被拒绝。
参数 minDistance：返回角点之间的最小可能欧几里得距离。
参数 mask：可选的兴趣区域。如果图像不为空（需要类型为 CV_8UC1 并且与 image 大小相同），则指定检测角点的区域。
参数 blockSize：计算每个像素邻域导数协方差矩阵的平均块大小。参见 cornerEigenValsAndVecs。
参数 useHarrisDetector：指示是否使用 Harris 检测器（见 cornerHarris）或 cornerMinEigenVal 的参数。
参数 k：Harris 检测器的自由参数。

返回值
检测到的角点向量。

代码示例

#include <opencv2/gapi.hpp>
#include <opencv2/gapi/core.hpp>
#include <opencv2/gapi/imgproc.hpp>
#include <opencv2/opencv.hpp>using namespace cv;
using namespace cv::gapi;int main()
{// 读取输入图像，通常为灰度图像Mat src = imread( "/media/dingxin/data/study/OpenCV/sources/images/Lenna.png", IMREAD_GRAYSCALE );if ( src.empty() ){std::cerr << "无法读取图像" << std::endl;return -1;}// 定义G-API网络cv::GMat in;cv::GArray< cv::Point2f > kpts;kpts = gapi::goodFeaturesToTrack( in,100,     // maxCorners0.01,    // qualityLevel10,      // minDistanceMat(),   // mask3,       // blockSizefalse,   // useHarrisDetector0.04 );  // k// 创建并执行G-API图cv::GComputation comp( cv::GIn( in ), cv::GOut( kpts ) );std::vector< cv::Point2f > corners;comp.apply( gin( src ), gout( corners ) );// 在原图上绘制检测到的角点for ( const auto& point : corners ){circle( src, point, 5, Scalar( 0, 0, 255 ), FILLED );}// 显示结果imshow( "Good Features to Track", src );waitKey();return 0;
}