cv.goodFeaturesToTrack()函数

发表于 | 分类于 | 阅读量: 次
字数统计: 306 字 | 阅读时长 ≈ 1 分钟

cv.goodFeaturesToTrack()

与Harris Corner Detector 相比显示出更好的结果

corners = cv.goodFeaturesToTrack( image, maxCorners, qualityLevel, minDistance[, corners[, mask[, blockSize[, useHarrisDetector[, k]]]]] )

参数

  • image：输入8-bit或者浮点32位单通道图像

  • corners：检测到的角落的输出向量

  • maxCorners：要返回的最大角数。如果角落多于找到的角落，则返回最大的角落。maxCorners<=0意味着不设置最大值限制并返回所有检测到的角点

  • qualityLevel：表征图像角落的最小可接受质量。参数值乘以最佳拐角质量度量，即最小特征值或Harris函数响应。质量测量小于产品的角落被拒绝。例如，如果最佳角点的质量度量为2000，质量等级为0.01，则质量度量小于15的所有角落都被拒绝。
  • minDistance：返回角落的最小可能欧几里德距离
  • mask：可选的感兴趣区域。如果图像不为空（它需要类型为CV_8UC1冰盒输入图像一样的大小），则它指定检测的角区域
  • BLOCKSIZE：用于计算每个像素领域上的derivative covariation matrix 的平均块大小
  • useHarrisDetector：指示是否使用Harris检测器
  • k：Harris检测器的自由参数
Donate comment here