基于opencv3.2的Moravec、Forstner、Harris算子提取特征点程序

#include 
#include 

using namespace std;
using namespace cv;

void Moravec（InputArray image vector& keypoints int threshold）;       //Moravec算子提取特征点函数
void Forstner（InputArray image vector& keypoints）;                     //Forstner算子提取特征点函数
void Harris（InputArray image vector& keypoints）;                       //Harris算子提取特征点函数

int main（）
{
	Mat img = imread（“D:/测试图像/7.jpg“ IMREAD_GRAYSCALE）;              //读取图像，可更改路径。IMREAD_GRAYSCALE表示读取灰度图像
	Mat output;
	vectorkey;                    //用于保存关键点

//	Moravec（img key 10000）;               //调用Moravec函数提取特征点并保存到Key中
//	Forstner（img key）;                     //调用Forstner函数提取特征点并保存到Key中
	Harris（img key）;                       //调用Harris函数提取特征点并保存到Key中

	cout << “图像特征点个数:“ << key.size（） << endl;           //输出提取的特征点的个数

	drawKeypoints（img key output Scalar::all（0））;           //绘制特征点，第四个参数可改变绘制的特征点的颜色

	imshow（“图像提取的特征点“ output）;                        //显示特征点

	waitKey（0）;
	return 0;
}


void Moravec（InputArray image vector& keypoints int threshold）
{
	Mat img = image.getMat（）;
	int kSize = 5;                         //窗口大小

	int r = kSize / 2;

	for （int i = r; i < img.rows - r; i++）
	{
		for （int j = r; j		{
			int V1 V2 V3 V4;
			V1 = V2 = V3 = V4 = 0;

			//计算水平方向窗内兴趣值
			for （int k = -r; k < r; k++）
				V1 += （img.at（i j + k） - img.at（i j + k + 1））*（img.at（i j + k） - img.at（i j + k + 1））;

			//计算垂直方向窗内兴趣值
			for （int k = -r; k < r; k++）
				V2 += （img.at（i + k j） - img.at（i + k + 1 j））*（img.at（i + k j） - img.at（i + k + 1 j））;

			//计算45度方向窗内兴趣值
			for （int k = -r; k < r; k++）
				V3 += （img.at（i + k j + k） - img.at（i + k + 1 j + k + 1））*（img.at（i + k j + k） - img.at（i + k + 1 j + k + 1））;

			//计算135度方向窗内兴趣值
			for （int k = -r; k < r; k++）
				V4 += （img.at（i + k j - k） - img.at（i + k + 1 j - k - 1））*（img.at（i + k j - k） - img.at（i + k + 1 j - k - 1））;

			//取其中的最小值作为该像素点的最终兴趣值
			int value = min（min（V1 V2） min（V3 V4））;

			//若兴趣值大于阈值，保存点的坐标
			if （value > threshold）
			{
				keypoints.push_back（KeyPoint（（float）j （float）i 2））;
			}
		}
	}
}

void Forstner（InputArray image vector& keypoints）             //简化版Forstner算法
{
	Mat img = image.getMat（）;

	int ksize = 3;           //窗口大小
	int r = ksize / 2;
	double N[4] = { 0.0 };   //协方差阵
	double q = 0.0 w = 0.0; //兴趣值q和w，q是像素对应误差椭圆的圆度，w是像素的权
	double Tq = 0.5;         //阈值

	const int nRows = img.rows;
	const int nCols = img.cols;

	Mat Prepoint = Mat::zeros（img.size（） CV_8UC1）;          //初选点矩阵初始化为0，如果某点被选为初选点，则该点位置在此数组中赋为1.
	Mat Weipoint = Mat::zeros（img.size（） CV_8UC1）;          //权矩阵，存放初选点的权w，初始化为0。
	Mat Flagpoint = Mat::zeros（img.size（） CV_8UC1）;

	int D[4] = { 0 };
	int threshold = 65;
	//利用