亚像素角点检测

亚像素角点检测原理：

 

 

                   为了检测出图像中精确的亚像素角点，可以采用如下的算法。

 API介绍：

1.cornerSubPix()函数

             image：    输入图像，即源图像；

        corners：    提供输入角点的初始坐标和精确的输出坐标。

        winSize：    Size类型，表示搜索窗口的半径。若winSize=Size(5，5)，那么就表示使用（5*2+1）x（5*2+1）=11*11大小的搜索窗口。

     zeroZone：    Size类型，表示死区的一半尺寸。而死区为不对搜索区的中央位置做求和运算的区域，用来避免自相关矩阵出现的某些可能的奇异性。

                             值为（-1，-1）表示没有死区。

         criteria：    TermCriteria类型，求角点的迭代过程的终止条件。

2.其中criteria： TermCriteria类型的定义如下

          TermCriteria(int type,int maxCount,double epsilon);

参数说明：

        1.type              迭代终止条件类型

             type=TermCriteria::MAX_ITER/TermCriteria::COUNT  迭代到最大迭代次数终止

             type= TermCriteria::EPS   迭代到阈值终止

             type= TermCriteria::MAX_ITER+ TermCriteria::EPS 上述两者都作为迭代终止条件

        2.maxCount   迭代的最大次数

        3.epsilon        阈值(中心位移值)

下面的代码这样定义的：TermCriteria tc = TermCriteria(TermCriteria::EPS + TermCriteria::MAX_ITER, 40, 0.001);

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;
int max_corners = 20;
int max_count = 50;
Mat src, gray_src;
const char* output_title = "SubPixel Result";
void SubPixel_Demo(int, void*);
int main(int argc, char** argv) {
    src = imread("L:/6.jpg");
    if (src.empty()) {
        printf("could not load image...
");
        return -1;
    }
    namedWindow("input image", CV_WINDOW_AUTOSIZE);
    imshow("input image", src);
    cvtColor(src, gray_src, COLOR_BGR2GRAY);
    namedWindow(output_title, CV_WINDOW_AUTOSIZE);
    createTrackbar("Corners:", output_title, &max_corners, max_count, SubPixel_Demo);
    SubPixel_Demo(0, 0);

    waitKey(0);
    return 0;
}

//亚像素检测函数：
void SubPixel_Demo(int, void*) {
    if (max_corners < 5) {
        max_corners = 5;
    }
    vector<Point2f> corners;
    double qualityLevel = 0.01;
    double minDistance = 10;
    int blockSize = 3;
    double k = 0.04;
    goodFeaturesToTrack(gray_src, corners, max_corners, qualityLevel, minDistance, Mat(), blockSize, false, k);
    //ShiTomasi角点检测函数的API
    cout << "number of corners: " << corners.size() << endl;
    //C++的快速打印函数：cout<< "内容" << 变量.size(打印变量的size)  <<endl  
    Mat resultImg = src.clone();
    for (size_t t = 0; t < corners.size(); t++) {
        circle(resultImg, corners[t], 2, Scalar(0, 0, 255), 2, 8, 0); 
        //检测出的corners是一个数组 ，所以直接用corners.[]表示对应的点
    }
    imshow(output_title, resultImg);
    
    //参数定义：
    Size winSize = Size(5, 5);  //Size类型，表示搜索窗口的半径。
    //若winSize=Size(5，5)，那么就表示使用（5*2+1）x（5*2+1）=11*11大小的搜索窗口。

    Size zerozone = Size(-1, -1); 
    //Size类型，表示死区的一半尺寸。而死区为不对搜索区的中央位置做求和运算的区域，
    //用来避免自相关矩阵出现的某些可能的奇异性。值为（-1，-1）表示没有死区。

    TermCriteria tc = TermCriteria(TermCriteria::EPS + TermCriteria::MAX_ITER, 40, 0.001);
    //TermCriteria类型，求角点的迭代过程的终止条件。 见上图API详解
    // 参数：1.type 迭代终止条件类型  2.maxCount 迭代的最大次数  3.epsilon 阈值(精度)
     
    cornerSubPix(gray_src, corners, winSize, zerozone, tc);
    //亚像素检测参数：1.输入图像  2.亚像素角点   3.检测窗口大小   4.zerozone  5.tc
    for (size_t t = 0; t < corners.size(); t++) {
        cout << "精确角点坐标[" << t + 1 << "]" << " .point[x, y] = " << corners[t].x << " , " << corners[t].y << endl;
    }
    return;
}

结果如下：