OpenCV开发笔记(六十二):红胖子8分钟带你深入了解亚像素角点检测(图文并茂+浅显易懂+程序源码)

若该文为原创文章,未经允许不得转载
原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客导航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/106665993
各位读者,知识无穷而人力有穷,要么改需求,要么找专业人士,要么自己研究
红胖子(红模仿)的博文大全:开发技术集合(包含Qt实用技术、树莓派、三维、OpenCV、OpenGL、ffmpeg、OSG、单片机、软硬结合等等)持续更新中…(点击传送门)

OpenCV开发专栏(点击传送门)

上一篇:《OpenCV开发笔记(六十一):红胖子8分钟带你深入了解Shi-Tomasi角点检测(图文并茂+浅显易懂+程序源码)
下一篇:持续补充中…


前言

  红胖子,来也!
  本篇主要说亚像素角点,又叫次级像素角点,其实通俗来说,就是输入整数坐标,使用最小二乘法迭代计算所需精度的实数坐标。


Demo

  OpenCV开发笔记(六十二):红胖子8分钟带你深入了解亚像素角点检测(图文并茂+浅显易懂+程序源码)_第1张图片


亚像素角点

概述

  进行图像处理提取用于识别的特征点进行几何测量,这通常需要更高的精度,而函数goodFeaturesToTrack()只能提供简单的像素的坐怀值,也就是说,有时候会需要要实数坐标值而不是整数坐标值。
亚像素级角点检测的位置在摄像机标定、跟踪并重建摄像机的轨迹,或者重被功跟踪目标的三维结构时候,是一个基本的测量值 。

Shi-Tomasi角点检测

  goodFeaturesToTrack()函数检测是的Shi-Tomasi角点。
  《OpenCV开发笔记(六十一):红胖子8分钟带你深入了解Shi-Tomasi角点检测(图文并茂+浅显易懂+程序源码)

亚像素角点检测原理

  OpenCV开发笔记(六十二):红胖子8分钟带你深入了解亚像素角点检测(图文并茂+浅显易懂+程序源码)_第2张图片
  其中,(a)点p附近的图像是均匀的,其梯度为0,(b)边缘的梯度与沿地缘方向的q-p向量正交。在图中的两种情况下,p点梯度与q-p向量的点积均为0。
  假设起始角点q在实际亚像素级角点的附近。检测所有的q-p向量。若点p位于一个均匀的区域,则点p处的梯度为0。若q-p向量的方向与边缘的方向一致,则此边缘上p点处的梯度与q-p向量正交,在这两种情况下,p点处的梯度与q-p向量的点积为0。可以在p点周围找到很多组梯度以及相关的向量q节,令其点集为0,然后可以通过求解方程组,方程组的解即为角点q的亚像素级精度的位置,也就是精确的角点位置。

TermCriteri迭代标注类的构造函数

TermCriteria(int type,
             int maxCount,
             double epsilon);
  • 参数一:int类型的type,枚举为TermCriteria::Type类型,终止标准的类型:

  OpenCV开发笔记(六十二):红胖子8分钟带你深入了解亚像素角点检测(图文并茂+浅显易懂+程序源码)_第3张图片

  • 参数二:int类型的maxCount,最大迭代次数/元素数;
  • 参数三:double类型的epsilon,所需的精度。

函数原型

void cornerSubPix( InputArray image,
                   InputOutputArray corners,
                   Size winSize,
                   Size zeroZone,
                   TermCriteria criteria );
  • 参数一:InputArray类型的image,输入图像,即源图像,填Mat类的对象,必须为单通道图像;
  • 参数二:InputOutputArray类型的corners,提供输入角点的初始坐标和精确的输出坐标;
  • 参数三:Sjze类型的winSjze,搜索窗口的一半尺寸。若winSize=Size(5,5),那么就表示使用(52+1)x(52+1)=11x11大小的搜索窗口。
  • 参数四:Size类型的zeroZone,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。
  • 参数五:TermCriteria类型的criteria,求角点的迭代过程的终止条件。即角点位置的确定,要么迭代数大于某个设定值,或者是精到达某个设定值。cirteria可以是最大迭代数目,或者是设定的精确度,也可以是它们的组合。


Demo源码

void OpenCVManager::testCornerSubPix()
{
    QString fileName1 =
            "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/1.jpg";
    int width = 400;
    int height = 300;

    cv::Mat srcMat = cv::imread(fileName1.toStdString());
    cv::resize(srcMat, srcMat, cv::Size(width, height));

    cv::String windowName = _windowTitle.toStdString();
    cvui::init(windowName);

    cv::Mat windowMat = cv::Mat(cv::Size(srcMat.cols * 2, srcMat.rows * 3),
                                srcMat.type());

    int qualityLevel = 1;
    int minDistance = 10;
    int iterations = 5;
    int epsilon = 1;
    while(true)
    {
        windowMat = cv::Scalar(0, 0, 0);

        cv::Mat mat;

        cv::Mat tempMat;
        // 原图先copy到左边
        mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),
                        cv::Range(srcMat.cols * 0, srcMat.cols * 1));
        cv::addWeighted(mat, 0.0f, srcMat, 1.0f, 0.0f, mat);

        {
            // 灰度图
            cv::Mat grayMat;
            cv::cvtColor(srcMat, grayMat, cv::COLOR_BGR2GRAY);
            cv::Mat grayMat2;
            cv::cvtColor(grayMat, grayMat2, cv::COLOR_GRAY2BGR);
            cv::addWeighted(mat, 0.0f, grayMat2, 1.0f, 0.0f, mat);

            cvui::printf(windowMat, width * 1 + 20, height * 0 + 10, "qualityLevel / 100.0f");
            cvui::trackbar(windowMat, width * 1 + 20, height * 0 + 30, 200, &qualityLevel, 1, 99);
            cvui::printf(windowMat, width * 1 + 20, height * 0 + 80, "minDistance");
            cvui::trackbar(windowMat, width * 1 + 20, height * 0 + 100, 200, &minDistance, 1, 100);
            cvui::printf(windowMat, width * 1 + 20, height * 0 + 150, "iterations");
            cvui::trackbar(windowMat, width * 1 + 20, height * 0 + 170, 200, &iterations, 1, 100);
            cvui::printf(windowMat, width * 1 + 20, height * 0 + 220, "epsilon/100.0f");
            cvui::trackbar(windowMat, width * 1 + 20, height * 0 + 240, 200, &epsilon, 1, 1000);

            // Shi-Tomasi角点检测
            std::vector corners;
            cv::goodFeaturesToTrack(grayMat,    // 输入图像
                                    corners,    // 输出角点
                                    100,        // 最大输出角点数量
                                    qualityLevel / 100.0f,  // 最小特征值
                                    minDistance,    // 最小间隔距离
                                    cv::noArray(),  // 感兴趣的区域
                                    3,          // 计算矩阵时的领域范围
                                    false,      // 不适用harris角点检测
                                    0.04);      // 权重系数

            cv::Mat tempMat4 = srcMat.clone();
            for (int i = 0; i < corners.size(); i++)
            {
                cv::circle(tempMat4, corners[i], 5, cv::Scalar(0, 255, 0), 2, 8, 0);
                cvui::printf(windowMat, width * 0 + 20, height * 1 + 20 * i, "%f,%f", corners[i].x, corners[i].y);
            }
            // copy
            mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
                            cv::Range(srcMat.cols * 0, srcMat.cols * 1));
            cv::addWeighted(mat, 0.0f, tempMat4, 1.0f, 0.0f, mat);
            //指定亚像素计算迭代标注
            cv::TermCriteria criteria = cv::TermCriteria(
                            cv::TermCriteria::EPS,
                            iterations,         // 迭代次数
                            epsilon);           // 精度

            //亚像素检测

            cv::cornerSubPix(grayMat,
                             corners,
                             cv::Size(5, 5),
                             cv::Size(-1, -1),
                             criteria);

            //将检测到的亚像素角点绘制到原图上
            cv::Mat tempMat3 = srcMat.clone();
            for (int i = 0; i < corners.size(); i++)
            {
                cv::circle(tempMat3, corners[i], 5, cv::Scalar(0, 255, 0), 2, 8, 0);
                cvui::printf(windowMat, width * 1 + 20, height * 1 + 20 * i, "%f,%f", corners[i].x, corners[i].y);
            }
            // copy
            mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),
                            cv::Range(srcMat.cols * 1, srcMat.cols * 2));
            cv::addWeighted(mat, 0.0f, tempMat3, 1.0f, 0.0f, mat);

        }
        // 更新
        cvui::update();
        // 显示
        cv::imshow(windowName, windowMat);
        // esc键退出
        if(cv::waitKey(25) == 27)
        {
            break;
        }
    }
}


工程模板:对应版本号v1.56.0

  对应版本号v1.56.0


上一篇:《OpenCV开发笔记(六十一):红胖子8分钟带你深入了解Shi-Tomasi角点检测(图文并茂+浅显易懂+程序源码)
下一篇:持续补充中…


原博主博客地址:https://blog.csdn.net/qq21497936
原博主博客导航:https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址:https://blog.csdn.net/qq21497936/article/details/106665993

你可能感兴趣的:(opencv,opencv2,图像识别)