OpenCV -- Shi-Tomas角点检测与亚像素级角点检测

Shi-Tomas角点检测:

  函数:

1
2
3
4
5
6
7
8
9
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:

1
2
3
4
5
6
7
8
9
10
11
12
  //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:

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
//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***************************************<br>//*****************************************如需亚像素级角点检测,则加上下边一段代码**********************

  

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
    //【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<<" \t>>Point["<<i<<"]  ("<<corners[i].x<<","<<corners[i].y<<")"<<endl;
    }
    return copy;<br>}

  

posted @   手磨咖啡  阅读(204)  评论(0编辑  收藏  举报
编辑推荐:
· Java 中堆内存和栈内存上的数据分布和特点
· 开发中对象命名的一点思考
· .NET Core内存结构体系(Windows环境)底层原理浅谈
· C# 深度学习:对抗生成网络(GAN)训练头像生成模型
· .NET 适配 HarmonyOS 进展
阅读排行:
· 手把手教你更优雅的享受 DeepSeek
· AI工具推荐:领先的开源 AI 代码助手——Continue
· 探秘Transformer系列之(2)---总体架构
· V-Control:一个基于 .NET MAUI 的开箱即用的UI组件库
· 乌龟冬眠箱湿度监控系统和AI辅助建议功能的实现
点击右上角即可分享
微信分享提示