|
跟踪伊始我们可以选择多种局部特征进行跟踪，被选择的点或者特征应该是独一无二的，或者至少接近独一无二，并且在与另一张图像的其他点可以进行参数化的比较。在选择点时，如果一个点在两个正交的方向上都有明显的导数，则我们认为此点更倾向是独一无二的，所以，许多可跟踪的特征点都称为角点。从直观上讲，角点并不是边缘点，而是一类含有足够信息且能从当前帧和下一帧中都能提取出来的点。
最普遍使用的角点是由Harris提出的，定义的基础是图像灰度强度的二阶导数矩阵，可以其成为一幅新的“二阶导数图像”。最原始的定义是将二阶导数的矩阵的行列式与二阶导数矩阵的迹（带权重系数）相减，再将差值同预先给定的阈值进行比较；后来Shi和Tomasi发现，若两个特征值中较小的一个大雨最小阈值，则会得到强角点。
OpenCV函数采用Shi和Tomasi提出的方法，先计算二阶导数，再计算特征值，它返回满足易于跟踪的定义的一些列点，函数如下：
void cvGoodFeaturesToTrack(
const CvArr* image,
CvArr* eigImage,
CvArr* tempImage,
CvPoint2D32f* corners,
int* corner_count,
double quality_level,
double min_distance,
const CvArr* mask = NULL,
int block_size =3,
int use_harris = 0,
double k = 0.4
)
| 
转播
