1.Shi-Tomas角点检测原理

       Shi-Tomasi（也称为Good Features to Track）角点检测算法是一种改进的角点检测方法，它基于Harris角点检测算法，并针对一些不足进行了改进。

       与Harris角点检测不同，Shi-Tomasi使用了更简化的角点响应函数。它选择了自相关矩阵M的较小特征值λmin作为评价角点的依据：

角点响应函数即为较小特征值。

角点判断如图所示：

• 当λ1和λ2都小于λmin时，为平面区域
• 当λ1和λ2都大于λmin时，为角点
• 当λ1和λ2只有一个大于λmin时，为边缘区域

2.检测Shi-Tomas角点函数goodFeaturesToTrack() 

void cv::goodFeaturesToTrack ( InputArray   image,

OutputArray corners,

int     maxCorners,

double     qualityLevel,

double     minDistance,

InputArray     mask = noArray(),

int              blockSize = 3,

bool       useHarrisDetector =false,

double       k = 0.04

)

• corners:检测到角点的输出量
• maxCorners:要寻找的角点数目。
• qualityLevel: 角点阙值与最佳角点的关系，又称质量等级，当参数为0.01，表示角点阙值是最佳角点的0.01倍
• minDistance:两个角点之间的最小欧式距离
• mask:掩码矩阵，表示检测角点的区域。
• blockSize:计算梯度协方差矩阵的尺寸。
• useHarrisDetector:是否使用Harris角点
• k:Haris检测角点过程中的常值权重系数

3.示例代码

void  Tomas_f(Mat mat){
    Mat gray;
    cvtColor(mat,gray,COLOR_BGR2GRAY);
    //提取角点
    int maxCorners=100;//检测角点数目
    double quality_level=0.01;//质量等级
    double  minDistance=0.04;//两个角点之间的最小欧式距离
    vector<Point2f> corners;
    goodFeaturesToTrack(gray,corners,maxCorners,quality_level,minDistance,Mat(),3, false);
    //绘制角点
    vector<KeyPoint> keyPoints;//存放角点的KeyPoint类，用于后期绘制角点时使用
    for(int i=0;i<corners.size();i++){
        //将角点存放在KeyPoint类中
        KeyPoint keyPoint;
        keyPoint.pt=corners[i];
        keyPoints.push_back(keyPoint);
    }
    //用drwaKeyPoints()函数绘制角点坐标
    drawKeypoints(mat,keyPoints,mat);
    imwrite("/sdcard/DCIM/mat.png",mat);
}