• OpenCV -- Shi-Tomas角点检测与亚像素级角点检测


    Shi-Tomas角点检测:

      函数:

    goodFeaturesToTrack( g_grayImage,//输入图像
    		corners,//检测到的角点的输出向量
    		g_maxCornerNumber,//角点的最大数量
    		qualityLevel,//角点检测可接受的最小特征值
    		minDistance,//角点之间的最小距离
    		Mat(),//感兴趣区域
    		blockSize,//计算导数自相关矩阵时指定的邻域范围
    		false,//不使用Harris角点检测
    		k );//权重系数 

     

    亚像素级角点检测:

      函数:

        //亚像素角点检测的参数设置
        Size winSize = Size( 5, 5 );  //搜索窗口的一半尺寸
        Size zeroZone = Size( -1, -1 );  //死区的一半尺寸,(-1,-1)表示没有死区
        TermCriteria criteria = TermCriteria( TermCriteria::EPS + TermCriteria::MAX_ITER, 40, 0.001 );  //角点迭代过程的终止条件
        /*
      int    type;  /* CV_TERMCRIT_ITER 和CV_TERMCRIT_EPS二值之一,或者二者的组合
      int    max_iter; // 最大迭代次数
      double epsilon; // 结果的精确性
       */
    
        //计算出亚像素角点位置
        cornerSubPix( g_grayImage, corners, winSize, zeroZone, criteria );//cornerSubPix函数用于寻找亚像素角点位置
    

      

    区别:

    Shi-Tomas角点检测输出为简单的整数类型坐标值;

    亚像素级角点检测则是更精确的浮点类型。

    代码:

    //Shi-Tomasi算子
    cv::Mat BasicAlgorithm::on_Shi_Tomasi(cv::Mat mat, int value)
    {
        Mat g_srcImage, g_grayImage;
        g_srcImage = mat;
        int g_maxCornerNumber = value;
        int g_maxTrackbarNumber = 500;
        RNG g_rng(12345);//初始化随机数生成器
    
        cvtColor( g_srcImage, g_grayImage, COLOR_BGR2GRAY );
    
        //【1】对变量小于等于1时的处理
        if( g_maxCornerNumber <= 1 ) { g_maxCornerNumber = 1; }
    
        //【2】Shi-Tomasi算法(goodFeaturesToTrack函数)的参数准备
        vector<Point2f> corners;
        double qualityLevel = 0.01;//角点检测可接受的最小特征值
        double minDistance = 10;//角点之间的最小距离
        int blockSize = 3;//计算导数自相关矩阵时指定的邻域范围
        double k = 0.04;//权重系数
        Mat copy = g_srcImage.clone();	//复制源图像到一个临时变量中,作为感兴趣区域
    
    
        //【3】进行Shi-Tomasi角点检测
        goodFeaturesToTrack( g_grayImage,//输入图像
                             corners,//检测到的角点的输出向量
                             g_maxCornerNumber,//角点的最大数量
                             qualityLevel,//角点检测可接受的最小特征值
                             minDistance,//角点之间的最小距离
                             Mat(),//感兴趣区域
                             blockSize,//计算导数自相关矩阵时指定的邻域范围
                             false,//不使用Harris角点检测
                             k );//权重系数
    
        //【4】绘制检测到的角点
        int r = 4;
        for( int i = 0; i < corners.size(); i++ )
        {
            //以随机的颜色绘制出角点
            circle( copy, corners[i], r, Scalar(g_rng.uniform(0,255), g_rng.uniform(0,255),
                                                g_rng.uniform(0,255)), -1, 8, 0 );
    
            //                circle( copy, corners[i], r, Scalar(255, 0, 0), -1, 8, 0 );  //opencv中图像通道为BGR,(255,0,0)为蓝色,绘制出为蓝色点
        }
    
    //*****************************************上:Shi-Tomasi算子***************************************
    //*****************************************如需亚像素级角点检测,则加上下边一段代码**********************

      

        //【7】亚像素角点检测的参数设置
        Size winSize = Size( 5, 5 );  //搜索窗口的一半尺寸
        Size zeroZone = Size( -1, -1 );  //死区的一半尺寸,(-1,-1)表示没有死区
        TermCriteria criteria = TermCriteria( TermCriteria::EPS + TermCriteria::MAX_ITER, 40, 0.001 );  //角点迭代过程的终止条件
        /*
      int    type;  /* CV_TERMCRIT_ITER 和CV_TERMCRIT_EPS二值之一,或者二者的组合
      int    max_iter; // 最大迭代次数
      double epsilon; // 结果的精确性
       */
    
        //【8】计算出亚像素角点位置
        cornerSubPix( g_grayImage, corners, winSize, zeroZone, criteria );//cornerSubPix函数用于寻找亚像素角点位置(不是整数类型,是更精确的浮点类型)
    
        //【9】输出角点坐标信息
        for( int i = 0; i < corners.size(); i++ )
        {
    //        qDebug()<<"精确角点"<<i<<"位置";
            cout<<" 	>>Point["<<i<<"]  ("<<corners[i].x<<","<<corners[i].y<<")"<<endl;
        }
        return copy;
    }

      

  • 相关阅读:
    [C#]MagicLibrary.dll控件的使用(一)(下拉菜单)
    [SQL server]查询用户表及表结构
    [ASP.net]ASP.net的RUL重写
    [C#]简单XP菜单的实现(一)
    [Javascript]IFRAME运用(1)
    [ASP.net]未解的疑惑!
    [乱七八糟]Google搜索使用详细
    [Javascript]IFRAME运用(2)
    [随文杂记]残局
    [CSS]RevealTrans 滤镜
  • 原文地址:https://www.cnblogs.com/zzzsj/p/14499507.html
Copyright © 2020-2023  润新知