• 操作系統：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 編程語言：C++11

算法描述

確定圖像上的強角點。

該函數在圖像或指定的圖像區域內找到最顯著的角點，如文獻[240]中所述。

• 函數使用 cornerMinEigenVal 或 cornerHarris 在每個源圖像像素上計算角點質量測量值。
• 函數執行非極大值抑制（保留3x3鄰域內的局部最大值）。
• 最小特征值小于 qualityLevel?maxx,yqualityMeasureMap(x,y) 的角點將被拒絕。
• 剩余的角點按照質量測量值從大到小排序。
• 函數會丟棄每一個在其距離小于 maxDistance 范圍內存在更強角點的角點。

該函數可以用于初始化基于點的對象跟蹤器。

注意：

如果以不同的 qualityLevel 參數值 A 和 B 調用該函數，并且 A > B，則返回的帶有 qualityLevel=A 的角點向量將是帶有 qualityLevel=B 的輸出向量的前綴。
函數的文字ID是 “org.opencv.imgproc.feature.goodFeaturesToTrack”。

函數原型

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 
) 		

參數

• 參數 image：輸入8位或浮點32位、單通道圖像。 - 參數 maxCorners：要返回的最大角點數量。如果找到的角點多于 maxCorners，將返回最強的那些。maxCorners <= 0 表示對最大數量沒有限制，并返回所有檢測到的角點。
• 參數 qualityLevel：表征接受的最小圖像角點質量的參數。參數值乘以最佳角點質量測量值，即最小特征值（見 cornerMinEigenVal）或 Harris 函數響應（見 cornerHarris）。質量測量值低于此乘積的角點將被拒絕。例如，如果最佳角點的質量測量值為1500，qualityLevel=0.01，則所有質量測量值小于15的角點都將被拒絕。
• 參數 minDistance：返回角點之間的最小可能歐幾里得距離。
• 參數 mask：可選的興趣區域。如果圖像不為空（需要類型為 CV_8UC1 并且與 image 大小相同），則指定檢測角點的區域。
• 參數 blockSize：計算每個像素鄰域導數協方差矩陣的平均塊大小。參見 cornerEigenValsAndVecs。
• 參數 useHarrisDetector：指示是否使用 Harris 檢測器（見 cornerHarris）或 cornerMinEigenVal 的參數。
• 參數 k：Harris 檢測器的自由參數。

返回值
檢測到的角點向量。

代碼示例

#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()
{// 讀取輸入圖像，通常為灰度圖像Mat src = imread( "/media/dingxin/data/study/OpenCV/sources/images/Lenna.png", IMREAD_GRAYSCALE );if ( src.empty() ){std::cerr << "無法讀取圖像" << std::endl;return -1;}// 定義G-API網絡cv::GMat in;cv::GArray< cv::Point2f > kpts;kpts = gapi::goodFeaturesToTrack( in,100,     // maxCorners0.01,    // qualityLevel10,      // minDistanceMat(),   // mask3,       // blockSizefalse,   // useHarrisDetector0.04 );  // k// 創建并執行G-API圖cv::GComputation comp( cv::GIn( in ), cv::GOut( kpts ) );std::vector< cv::Point2f > corners;comp.apply( gin( src ), gout( corners ) );// 在原圖上繪制檢測到的角點for ( const auto& point : corners ){circle( src, point, 5, Scalar( 0, 0, 255 ), FILLED );}// 顯示結果imshow( "Good Features to Track", src );waitKey();return 0;
}

運行結果