【OpenCV入门教程之十七】OpenCV重映射 SURF特征点检测合辑

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！

               

 本系列文章由@浅墨_毛星云 出品，转载请注明出处。  

 文章链接： http://blog.csdn.net/poem_qianmo/article/details/30974513

 作者：毛星云（浅墨）    微博：http://weibo.com/u/1723155442

 知乎：http://www.zhihu.com/people/mao-xing-yun

 邮箱： [email protected]

 写作当前博文时配套使用的OpenCV版本：  2.4.9

本篇文章中，我们一起探讨了OpenCV中重映射和SURF特征点检测相关的知识点，主要一起了解OpenCV中重映射相关的函数remap，SURF算法在OpenCV中的体现与应用。此博文一共有三个配套的麻雀虽小但五脏俱全的示例程序，其经过浅墨详细注释过的代码都在文中贴出，且文章最后提供了综合示例程序的下载。

 

依然是先看看程序运行截图。

重映射：

  

SURF特征点检测：

  

 

一、OpenCV重映射

 

1.1 重映射的概念简析

 

重映射，就是把一幅图像中某位置的像素放置到另一个图片指定位置的过程。为了完成映射过程, 我们需要获得一些插值为非整数像素的坐标,因为源图像与目标图像的像素坐标不是一一对应的。一般情况下，我们通过重映射来表达每个像素的位置 (x,y)，像这样 :

g(x,y) = f ( h(x,y) )

 

在这里， g( ) 是目标图像, f() 是源图像, 而h(x,y) 是作用于 (x,y) 的映射方法函数。

 

来看个例子。 若有一幅图像 I ,想满足下面的条件作重映射:

 

h(x,y) = (I.cols - x, y )

 

这样的话，图像会按照 x 轴方向发生翻转。那么，源图像和效果图分别如下:

  

在OpenCV中，我们用函数remap( )来实现简单重映射，下面我们就一起来看看这个函数。

 

 

1.2 remap( )函数解析

 

remap( )函数会根据我们指定的映射形式，将源图像进行重映射几何变换，基于的式子如下：

 

需要注意，此函数不支持就地（in-place）操作。看看其原型和参数。

C++: void remap(InputArray src, OutputArraydst, InputArray map1, InputArray map2, int interpolation, intborderMode=BORDER_CONSTANT, const Scalar& borderValue=Scalar())

• • 第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位或者浮点型图像。
  • 第二个参数，OutputArray类型的dst，函数调用后的运算结果存在这里，即这个参数用于存放函数调用后的输出结果，需和源图片有一样的尺寸和类型。
  • 第三个参数，InputArray类型的map1，它有两种可能的表示对象。

• 表示点（x，y）的第一个映射。
• 表示CV_16SC2 , CV_32FC1 或CV_32FC2类型的X值。

• • 第四个参数，InputArray类型的map2，同样，它也有两种可能的表示对象，而且他是根据map1来确定表示那种对象。

• 若map1表示点（x，y）时。这个参数不代表任何值。
• 表示CV_16UC1 , CV_32FC1类型的Y值（第二个值）。

• 第五个参数，int类型的interpolation,插值方式，之前的resize( )函数中有讲到，需要注意，resize( )函数中提到的INTER_AREA插值方式在这里是不支持的，所以可选的插值方式如下：

• • • INTER_NEAREST - 最近邻插值
    • INTER_LINEAR – 双线性插值（默认值）
    • INTER_CUBIC – 双三次样条插值（逾4×4像素邻域内的双三次插值）
    • INTER_LANCZOS4 -Lanczos插值（逾8×8像素邻域的Lanczos插值）

• 第六个参数，int类型的borderMode，边界模式，有默认值BORDER_CONSTANT，表示目标图像中“离群点（outliers）”的像素值不会被此函数修改。
• 第七个参数，const Scalar&类型的borderValue，当有常数边界时使用的值，其有默认值Scalar( )，即默认值为0。

1.3 详细注释的重映射示例程序

下面放出精简后的以remap函数为核心的示例程序，方便大家快速掌握remap函数的使用方法。

//-----------------------------------【程序说明】----------------------------------------------//  程序名称:：《【OpenCV入门教程之十七】OpenCV重映射 & SURF特征点检测合辑 》 博文配套源码 //  开发所用IDE版本：Visual Studio 2010//    开发所用OpenCV版本： 2.4.9//  2014年5月26日 Created by 浅墨//  配套博文链接： http://blog.csdn.net/poem_qianmo/article/details/26977557//  PS:程序结合配合博文学习效果更佳//  浅墨的微博：@浅墨_毛星云 http://weibo.com/1723155442//  浅墨的知乎：http://www.zhihu.com/people/mao-xing-yun//  浅墨的豆瓣：http://www.douban.com/people/53426472///----------------------------------------------------------------------------------------------//-----------------------------------【头文件包含部分】---------------------------------------//  描述：包含程序所依赖的头文件//---------------------------------------------------------------------------------------------- #include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"#include //-----------------------------------【命名空间声明部分】--------------------------------------//          描述：包含程序所使用的命名空间//-----------------------------------------------------------------------------------------------using namespace cv;//-----------------------------------【main( )函数】--------------------------------------------//          描述：控制台应用程序的入口函数，我们的程序从这里开始执行//-----------------------------------------------------------------------------------------------int main(  ){ //【0】变量定义 Mat srcImage, dstImage; Mat map_x, map_y; //【1】载入原始图 srcImage = imread( "1.jpg", 1 ); if(!srcImage.data ) { printf("读取图片错误，请确定目录下是否有imread函数指定的图片存在~！ \n"); return false; }   imshow("原始图",srcImage); //【2】创建和原始图一样的效果图，x重映射图，y重映射图 dstImage.create( srcImage.size(), srcImage.type() ); map_x.create( srcImage.size(), CV_32FC1 ); map_y.create( srcImage.size(), CV_32FC1 ); //【3】双层循环，遍历每一个像素点，改变map_x & map_y的值 for( int j = 0; j < srcImage.rows;j++) {   for( int i = 0; i < srcImage.cols;i++)  {   //改变map_x & map_y的值.    map_x.at<float>(j,i) = static_cast<float>(i);   map_y.at<float>(j,i) = static_cast<float>(srcImage.rows - j);  }  } //【4】进行重映射操作 remap( srcImage, dstImage, map_x, map_y, CV_INTER_LINEAR, BORDER_CONSTANT, Scalar(0,0, 0) ); //【5】显示效果图 imshow( "【程序窗口】", dstImage ); waitKey(); return 0;}

显示效果图：

 最近世界杯正如火如荼地进行着，这里的图片素材就是巴西队的球星们~

 

1.4 OpenCV2.X中remap函数源代码

 

这里我们放出remap函数的源码，供需要了解其实现细节的朋友们观看，浅墨在这里不花时间对其进行剖析。

void cv::remap( InputArray _src, OutputArray _dst,                InputArray _map1, InputArray _map2,                int interpolation, int borderType, const Scalar& borderValue ){    static RemapNNFunc nn_tab[] =    {        remapNearest, remapNearest, remapNearest, remapNearest<short>,        remapNearest<int>, remapNearest<float>, remapNearest<double>, 0    };    static RemapFunc linear_tab[] =    {        remapBilinearint, uchar, INTER_REMAP_COEF_BITS>, RemapVec_8u, short>, 0,        remapBilinearfloat, ushort>, RemapNoVec, float>,        remapBilinearfloat, short>, RemapNoVec, float>, 0,        remapBilinearfloat, float>, RemapNoVec, float>,        remapBilineardouble, double>, RemapNoVec, float>, 0    };    static RemapFunc cubic_tab[] =    {        remapBicubicint, uchar, INTER_REMAP_COEF_BITS>, short, INTER_REMAP_COEF_SCALE>, 0,        remapBicubicfloat, ushort>, float, 1>,        remapBicubicfloat, short>, float, 1>, 0,        remapBicubicfloat, float>, float, 1>,        remapBicubicdouble, double>, float, 1>, 0    };    static RemapFunc lanczos4_tab[] =    {        remapLanczos4int, uchar, INTER_REMAP_COEF_BITS>, short, INTER_REMAP_COEF_SCALE>, 0,        remapLanczos4float, ushort>, float, 1>,        remapLanczos4float, short>, float, 1>, 0,        remapLanczos4float, float>, float, 1>,        remapLanczos4double, double>, float, 1>, 0    };    Mat src = _src.getMat(), map1 = _map1.getMat(), map2 = _map2.getMat();    CV_Assert( map1.size().area() > 0 );    CV_Assert( !map2.data || (map2.size() == map1.size()));    _dst.create( map1.size(), src.type() );    Mat dst = _dst.getMat();    if( dst.data == src.data )        src = src.clone();    int depth = src.depth();    RemapNNFunc nnfunc = 0;    RemapFunc ifunc = 0;    const void* ctab = 0;    bool fixpt = depth == CV_8U;    bool planar_input = false;    if( interpolation == INTER_NEAREST )    {        nnfunc = nn_tab[depth];        CV_Assert( nnfunc != 0 );    }    else    {        if( interpolation == INTER_AREA )            interpolation = INTER_LINEAR;        if( interpolation == INTER_LINEAR )            ifunc = linear_tab[depth];        else if( interpolation == INTER_CUBIC )            ifunc = cubic_tab[depth];        else if( interpolation == INTER_LANCZOS4 )            ifunc = lanczos4_tab[depth];        else            CV_Error( CV_StsBadArg, "Unknown interpolation method" );        CV_Assert( ifunc != 0 );        ctab = initInterTab2D( interpolation, fixpt );    }    const Mat *m1 = &map1, *m2 = &map2;    if( (map1.type() == CV_16SC2 && (map2.type() == CV_16UC1 || map2.type() == CV_16SC1 || !map2.data)) ||        (map2.type() == CV_16SC2 && (map1.type() == CV_16UC1 || map1.type() == CV_16SC1 || !map1.data)) )    {        if( map1.type() != CV_16SC2 )            std::swap(m1, m2);    }    else    {        CV_Assert( ((map1.type() == CV_32FC2 || map1.type() == CV_16SC2) && !map2.data) ||            (map1.type() == CV_32FC1 && map2.type() == CV_32FC1) );        planar_input = map1.channels() == 1;    }    RemapInvoker invoker(src, dst, m1, m2, interpolation,                         borderType, borderValue, planar_input, nnfunc, ifunc,                         ctab);    parallel_for_(Range(0, dst.rows), invoker, dst.total()/(double)(1<<16));}

好了，重映射先就讲这么多，在文章末尾还有一个综合一点的示例程序供大家学习。下面我们开始讲解SURF相关的内容。

 

 

二．SURF特征点检测

SURF算法有一些不错的内容和用法，OpenCV中使用颇多，浅墨会花一些篇幅对其进行讲解。今天的这篇文章只是一个小小的开头，主要介绍SURF特征点检测。

先简单了解一下SURF算法的大概内容吧。

2.1 SURF算法概览

SURF，我们简单介绍一下，英语全称为SpeededUp Robust Features，直译的话就是“加速版的具有鲁棒性的特征“算法，由Bay在2006年首次提出。SURF是尺度不变特征变换算法（SIFT算法）的加速版。一般来说，标准的SURF算子比SIFT算子快好几倍，并且在多幅图片下具有更好的稳定性。SURF最大的特征在于采用了harr特征以及积分图像的概念，这大大加快了程序的运行时间。SURF可以应用于计算机视觉的物体识别以及3D重构中。

 

PS: 由于我们的专栏侧重点是教大家如何快速入门OpenCV编程，不是来进行图像处理科普的，所以原理部分不会花笔墨多讲。一方面是浅墨也不喜欢讲这些枯燥的概念，另一方面是大家肯定应该也不喜欢看这些枯燥的原理，大家是喜欢看代码的〜(￣▽￣〜)。就像小魏CPU童鞋在博客上写的，“Talk is cheap. Show me thecode.”

所以原理部分大家就自行用搜索引擎去学习吧，浅墨会将更多的笔墨用来分享网络上独一无二的干货。

2.2 前世今生——SURF类相关OpenCV源码剖析

OpenCV中关于SURF算法的部分，常常涉及到的是SURF、SurfFeatureDetector、SurfDescriptorExtractor这三个类，这一小节我们就来对他们进行人肉，挖挖其背景，看看他们究竟是什么来头。

 

在D:\Program Files (x86)\opencv\sources\modules\nonfree\include\opencv2\nonfree下的features2d.hpp头文件中，我们可以发现这样两句定义：

typedef SURF SurfFeatureDetector;typedef SURF SurfDescriptorExtractor;

我们都知道，typedef声明是为现有类型创建一个新的名字，类型别名。这就表示，SURF类忽然同时有了两个新名字SurfFeatureDetector以及SurfDescriptorExtractor。

也就是说，我们平常使用的SurfFeatureDetector类和SurfDescriptorExtractor类，其实就是SURF类，他们三者等价。

 

然后在这两句定义的上方，我们可以看到SURF类的类声明全貌：

class CV_EXPORTS_W SURF : public Feature2D{public:    //! the default constructor    CV_WRAP SURF();    //! the full constructor taking all the necessary parameters    explicit CV_WRAP SURF(double hessianThreshold,                  int nOctaves=4, int nOctaveLayers=2,                  bool extended=true, bool upright=false);    //! returns the descriptor size in float's (64 or 128)    CV_WRAP int descriptorSize() const;    //! returns the descriptor type    CV_WRAP int descriptorType() const;    //! finds the keypoints using fast hessian detector used in SURF    void operator()(InputArray img, InputArray mask,                    CV_OUT vector& keypoints) const;    //! finds the keypoints and computes their descriptors. Optionally it can compute descriptors for the user-provided keypoints    void operator()(InputArray img, InputArray mask,                    CV_OUT vector& keypoints,                    OutputArray descriptors,                    bool useProvidedKeypoints=false) const;    AlgorithmInfo* info() const;    CV_PROP_RW double hessianThreshold;    CV_PROP_RW int nOctaves;    CV_PROP_RW int nOctaveLayers;    CV_PROP_RW bool extended;    CV_PROP_RW bool upright;protected:    void detectImpl( const Mat& image, vector& keypoints, const Mat& mask=Mat() ) const;    void computeImpl( const Mat& image, vector& keypoints, Mat& descriptors ) const;};

可以观察到，SURF类公共继承自Feature2D类，我们再次进行转到，可以在路径d:\Program Files(x86)\opencv\build\include\opencv2\features2d\features2d.hpp看到Feature2D类的声明：

class CV_EXPORTS_W Feature2D : public FeatureDetector, public DescriptorExtractor{public:    /*     * Detect keypoints in an image.     * image        The image.     * keypoints    The detected keypoints.     * mask         Mask specifying where to look for keypoints (optional). Must be a char     *              matrix with non-zero values in the region of interest.     * useProvidedKeypoints If true, the method will skip the detection phase and will compute     *                      descriptors for the provided keypoints     */    CV_WRAP_AS(detectAndCompute) virtual void operator()( InputArray image, InputArray mask,                                     CV_OUT vector& keypoints,                                     OutputArray descriptors,                                     bool useProvidedKeypoints=false ) const = 0;    CV_WRAP void compute( const Mat& image, CV_OUT CV_IN_OUT std::vector& keypoints, CV_OUT Mat& descriptors ) const;    // Create feature detector and descriptor extractor by name.    CV_WRAP static Ptr create( const string& name );};

显然，Feature2D类又是公共继承自FeatureDetector以及 DescriptorExtractor类。继续刨根问底，我们看看其父类FeatureDetector以及 DescriptorExtractor类的定义。

首先是FeatureDetector类：

/************************************ Base Classes ************************************//* * Abstract base class for 2D image feature detectors. */class CV_EXPORTS_W FeatureDetector : public virtual Algorithm{public:    virtual ~FeatureDetector();    /*     * Detect keypoints in an image.     * image        The image.     * keypoints    The detected keypoints.     * mask         Mask specifying where to look for keypoints (optional). Must be a char     *              matrix with non-zero values in the region of interest.     */    CV_WRAP void detect( const Mat& image, CV_OUT vector& keypoints, const Mat& mask=Mat() ) const;    /*     * Detect keypoints in an image set.     * images       Image collection.     * keypoints    Collection of keypoints detected in an input images. keypoints[i] is a set of keypoints detected in an images[i].     * masks        Masks for image set. masks[i] is a mask for images[i].     */    void detect( const vector& images, vector<vector >& keypoints, const vector& masks=vector() ) const;    // Return true if detector object is empty    CV_WRAP virtual bool empty() const;    // Create feature detector by detector name.    CV_WRAP static Ptr create( const string& detectorType );protected:    virtual void detectImpl( const Mat& image, vector& keypoints, const Mat& mask=Mat() ) const = 0;    /*     * Remove keypoints that are not in the mask.     * Helper function, useful when wrapping a library call for keypoint detection that     * does not support a mask argument.     */    static void removeInvalidPoints( const Mat& mask, vector& keypoints );};

这里，我们看到了我们以后经常会用到的detect( )方法重载的两个原型，原来是SURF类经过两层的继承，从FeatureDetector类继承而来的。

  /*     * Detect keypoints in an image.     * image        The image.     * keypoints    The detected keypoints.     * mask         Mask specifying where to look for keypoints (optional). Must be a char     *              matrix with non-zero values in the region of interest.     */    CV_WRAP void detect( const Mat& image, CV_OUT vector& keypoints, const Mat& mask=Mat() ) const;    /*     * Detect keypoints in an image set.     * images       Image collection.     * keypoints    Collection of keypoints detected in an input images. keypoints[i] is a set of keypoints detected in an images[i].     * masks        Masks for image set. masks[i] is a mask for images[i].     */    void detect( const vector& images, vector<vector >& keypoints, const vector& masks=vector() ) const;

同样，看看SURF类的另一个“爷爷”DescriptorExtractor类的声明。

/* * Abstract base class for computing descriptors for image keypoints. * * In this interface we assume a keypoint descriptor can be represented as a * dense, fixed-dimensional vector of some basic type. Most descriptors used * in practice follow this pattern, as it makes it very easy to compute * distances between descriptors. Therefore we represent a collection of * descriptors as a Mat, where each row is one keypoint descriptor. */class CV_EXPORTS_W DescriptorExtractor : public virtual Algorithm{public:    virtual ~DescriptorExtractor();    /*     * Compute the descriptors for a set of keypoints in an image.     * image        The image.     * keypoints    The input keypoints. Keypoints for which a descriptor cannot be computed are removed.     * descriptors  Copmputed descriptors. Row i is the descriptor for keypoint i.     */    CV_WRAP void compute( const Mat& image, CV_OUT CV_IN_OUT vector& keypoints, CV_OUT Mat& descriptors ) const;    /*     * Compute the descriptors for a keypoints collection detected in image collection.     * images       Image collection.     * keypoints    Input keypoints collection. keypoints[i] is keypoints detected in images[i].     *              Keypoints for which a descriptor cannot be computed are removed.     * descriptors  Descriptor collection. descriptors[i] are descriptors computed for set keypoints[i].     */    void compute( const vector& images, vector<vector >& keypoints, vector& descriptors ) const;    CV_WRAP virtual int descriptorSize() const = 0;    CV_WRAP virtual int descriptorType() const = 0;    CV_WRAP virtual bool empty() const;    CV_WRAP static Ptr create( const string& descriptorExtractorType );protected:    virtual void computeImpl( const Mat& image, vector& keypoints, Mat& descriptors ) const = 0;    /*     * Remove keypoints within borderPixels of an image edge.     */    static void removeBorderKeypoints( vector& keypoints,                                      Size imageSize, int borderSize );};

上述代码表明FeatureDetector 类和DescriptorExtractor类都虚继承自Algorithm基类。

呼，历经千辛万苦，终于，我们找到SURF类德高望重的祖先——OpenCV中的Algorithm基类。看看其原型声明：

/*!  Base class for high-level OpenCV algorithms*/class CV_EXPORTS_W Algorithm{public:    Algorithm();    virtual ~Algorithm();    string name() const;    template<typename _Tp> typename ParamType<_Tp>::member_type get(const string& name) const;    template<typename _Tp> typename ParamType<_Tp>::member_type get(const char* name) const;    CV_WRAP int getInt(const string& name) const;    CV_WRAP double getDouble(const string& name) const;    CV_WRAP bool getBool(const string& name) const;    CV_WRAP string getString(const string& name) const;    CV_WRAP Mat getMat(const string& name) const;    CV_WRAP vector getMatVector(const string& name) const;    CV_WRAP Ptr getAlgorithm(const string& name) const;    void set(const string& name, int value);    void set(const string& name, double value);    void set(const string& name, bool value);    void set(const string& name, const string& value);    void set(const string& name, const Mat& value);    void set(const string& name, const vector& value);    void set(const string& name, const Ptr& value);    template<typename _Tp> void set(const string& name, const Ptr<_Tp>& value);    CV_WRAP void setInt(const string& name, int value);    CV_WRAP void setDouble(const string& name, double value);    CV_WRAP void setBool(const string& name, bool value);    CV_WRAP void setString(const string& name, const string& value);    CV_WRAP void setMat(const string& name, const Mat& value);    CV_WRAP void setMatVector(const string& name, const vector& value);    CV_WRAP void setAlgorithm(const string& name, const Ptr& value);    template<typename _Tp> void setAlgorithm(const string& name, const Ptr<_Tp>& value);    void set(const char* name, int value);    void set(const char* name, double value);    void set(const char* name, bool value);    void set(const char* name, const string& value);    void set(const char* name, const Mat& value);    void set(const char* name, const vector& value);    void set(const char* name, const Ptr& value);    template<typename _Tp> void set(const char* name, const Ptr<_Tp>& value);    void setInt(const char* name, int value);    void setDouble(const char* name, double value);    void setBool(const char* name, bool value);    void setString(const char* name, const string& value);    void setMat(const char* name, const Mat& value);    void setMatVector(const char* name, const vector& value);    void setAlgorithm(const char* name, const Ptr& value);    template<typename _Tp> void setAlgorithm(const char* name, const Ptr<_Tp>& value);    CV_WRAP string paramHelp(const string& name) const;    int paramType(const char* name) const;    CV_WRAP int paramType(const string& name) const;    CV_WRAP void getParams(CV_OUT vector<string>& names) const;    virtual void write(FileStorage& fs) const;    virtual void read(const FileNode& fn);    typedef Algorithm* (*Constructor)(void);    typedef int (Algorithm::*Getter)() const;    typedef void (Algorithm::*Setter)(int);    CV_WRAP static void getList(CV_OUT vector<string>& algorithms);    CV_WRAP static Ptr _create(const string& name);    template<typename _Tp> static Ptr<_Tp> create(const string& name);    virtual AlgorithmInfo* info() const /* TODO: make it = 0;*/ { return 0; }};

关于这几个类缠绵悱恻的关系，画个图就一目了然了，也就是这样的过程：

 

3.3 drawKeypoints函数详解

 

因为接下来的示例程序需要用到drawKeypoints函数，我们在这里顺便讲一讲。

顾名思义，此函数用于绘制关键点。

C++: void drawKeypoints(const Mat&image, const vector& keypoints, Mat& outImage, constScalar& color=Scalar::all(-1), int flags=DrawMatchesFlags::DEFAULT )

• • 第一个参数，const Mat&类型的src，输入图像。
  • 第二个参数，const vector&类型的keypoints，根据源图像得到的特征点，它是一个输出参数。
  • 第三个参数，Mat&类型的outImage，输出图像，其内容取决于第五个参数标识符falgs。
  • 第四个参数，const Scalar&类型的color，关键点的颜色，有默认值Scalar::all(-1)。
  • 第五个参数，int类型的flags，绘制关键点的特征标识符，有默认值DrawMatchesFlags::DEFAULT。可以在如下这个结构体中选取值。

struct DrawMatchesFlags{    enum    {        DEFAULT = 0, // Output image matrix will be created (Mat::create),                     // i.e. existing memory of output image may be reused.                     // Two source images, matches, and single keypoints                     // will be drawn.                     // For each keypoint, only the center point will be                     // drawn (without a circle around the keypoint with the                     // keypoint size and orientation).        DRAW_OVER_OUTIMG = 1, // Output image matrix will not be                       // created (using Mat::create). Matches will be drawn                       // on existing content of output image.        NOT_DRAW_SINGLE_POINTS = 2, // Single keypoints will not be drawn.        DRAW_RICH_KEYPOINTS = 4 // For each keypoint, the circle around                       // keypoint with keypoint size and orientation will                       // be drawn.    };};

三、综合示例部分

 

因为这次的两个知识点关联度不大，所以不方便组织起来成为一个综合示例程序。在这里我们分开将其放出。

 

3.1  重映射综合示例程序

 

先放出以remap为核心的综合示例程序，可以用按键控制四种不同的映射模式。且利用了OpenCV版本标识宏“CV_VERSION”，在帮助文字相关代码中加入了一句：

 printf("\t当前使用的OpenCV版本为 OpenCV "CV_VERSION); 

便可以智能检测出当前使用的OpenCV版本，并输出。如图：

 

按键说明也可以由上图看出。

放出这个程序详细注释的源代码：

//-----------------------------------【程序说明】----------------------------------------------//  程序名称:：《【OpenCV入门教程之十七】OpenCV重映射 & SURF特征点检测合辑 》 博文配套源码 //  开发所用IDE版本：Visual Studio 2010//  开发所用OpenCV版本： 2.4.9//  2014年6月15日 Created by 浅墨//  配套博文链接： http://blog.csdn.net/poem_qianmo/article/details/30974513//  PS:程序结合配合博文学习效果更佳//  浅墨的微博：@浅墨_毛星云 http://weibo.com/1723155442//  浅墨的知乎：http://www.zhihu.com/people/mao-xing-yun//  浅墨的豆瓣：http://www.douban.com/people/53426472///----------------------------------------------------------------------------------------------//-----------------------------------【头文件包含部分】---------------------------------------//  描述：包含程序所依赖的头文件//---------------------------------------------------------------------------------------------- #include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"#include //-----------------------------------【命名空间声明部分】--------------------------------------//          描述：包含程序所使用的命名空间//-----------------------------------------------------------------------------------------------using namespace cv;using namespace std;//-----------------------------------【宏定义部分】-------------------------------------------- //  描述：定义一些辅助宏 //------------------------------------------------------------------------------------------------ #define WINDOW_NAME "【程序窗口】"        //为窗口标题定义的宏 //-----------------------------------【全局变量声明部分】--------------------------------------//          描述：全局变量的声明//-----------------------------------------------------------------------------------------------Mat g_srcImage, g_dstImage;Mat g_map_x, g_map_y;//-----------------------------------【全局函数声明部分】--------------------------------------//          描述：全局函数的声明//-----------------------------------------------------------------------------------------------int update_map( int key);static void ShowHelpText( );//输出帮助文字//-----------------------------------【main( )函数】--------------------------------------------//          描述：控制台应用程序的入口函数，我们的程序从这里开始执行//-----------------------------------------------------------------------------------------------int main( int argc, char** argv ){ //改变console字体颜色 system("color 2F");  //显示帮助文字 ShowHelpText(); //【1】载入原始图 g_srcImage = imread( "1.jpg", 1 ); if(!g_srcImage.data ) { printf("读取图片错误，请确定目录下是否有imread函数指定的图片存在~！ \n"); return false; }   imshow("原始图",g_srcImage); //【2】创建和原始图一样的效果图，x重映射图，y重映射图 g_dstImage.create( g_srcImage.size(), g_srcImage.type() ); g_map_x.create( g_srcImage.size(), CV_32FC1 ); g_map_y.create( g_srcImage.size(), CV_32FC1 ); //【3】创建窗口并显示 namedWindow( WINDOW_NAME, CV_WINDOW_AUTOSIZE ); imshow(WINDOW_NAME,g_srcImage); //【4】轮询按键，更新map_x和map_y的值，进行重映射操作并显示效果图 while( 1 ) {  //获取键盘按键    int key = waitKey(0);    //判断ESC是否按下，若按下便退出    if( (key & 255) == 27 )    {     cout << "程序退出...........\n";     break;    }    //根据按下的键盘按键来更新 map_x & map_y的值. 然后调用remap( )进行重映射  update_map(key);  remap( g_srcImage, g_dstImage, g_map_x, g_map_y, CV_INTER_LINEAR, BORDER_CONSTANT, Scalar(0,0, 0) );  //显示效果图  imshow( WINDOW_NAME, g_dstImage ); } return 0;}//-----------------------------------【update_map( )函数】--------------------------------//          描述：根据按键来更新map_x与map_x的值//----------------------------------------------------------------------------------------------int update_map( int key ){ //双层循环，遍历每一个像素点 for( int j = 0; j < g_srcImage.rows;j++) {   for( int i = 0; i < g_srcImage.cols;i++)  {   switch(key)   {   case '1': // 键盘【1】键按下，进行第一种重映射操作    if( i > g_srcImage.cols*0.25 && i < g_srcImage.cols*0.75 && j > g_srcImage.rows*0.25 && j < g_srcImage.rows*0.75)    {     g_map_x.at<float>(j,i) = static_cast<float>(2*( i - g_srcImage.cols*0.25 ) + 0.5);     g_map_y.at<float>(j,i) = static_cast<float>(2*( j - g_srcImage.rows*0.25 ) + 0.5);    }    else    {      g_map_x.at<float>(j,i) = 0;     g_map_y.at<float>(j,i) = 0;    }    break;   case '2':// 键盘【2】键按下，进行第二种重映射操作    g_map_x.at<float>(j,i) = static_cast<float>(i);    g_map_y.at<float>(j,i) = static_cast<float>(g_srcImage.rows - j);    break;   case '3':// 键盘【3】键按下，进行第三种重映射操作    g_map_x.at<float>(j,i) = static_cast<float>(g_srcImage.cols - i);    g_map_y.at<float>(j,i) = static_cast<float>(j);    break;   case '4':// 键盘【4】键按下，进行第四种重映射操作    g_map_x.at<float>(j,i) = static_cast<float>(g_srcImage.cols - i);    g_map_y.at<float>(j,i) = static_cast<float>(g_srcImage.rows - j);    break;   }   } } return 1;}//-----------------------------------【ShowHelpText( )函数】----------------------------------  //      描述：输出一些帮助信息  //----------------------------------------------------------------------------------------------  static void ShowHelpText()  {   //输出一些帮助信息   printf("\n\n\n\t欢迎来到重映射示例程序~\n\n");   printf("\t当前使用的OpenCV版本为 OpenCV "CV_VERSION);   printf( "\n\n\t按键操作说明: \n\n"    "\t\t键盘按键【ESC】- 退出程序\n"    "\t\t键盘按键【1】-  第一种映射方式\n"    "\t\t键盘按键【2】- 第二种映射方式\n"    "\t\t键盘按键【3】- 第三种映射方式\n"    "\t\t键盘按键【4】- 第四种映射方式\n"    "\n\n\t\t\t\t\t\t\t\t by浅墨\n\n\n"    );  }  

运行效果图。首先是原始图：

 

第一种重映射：

第二种重映射：

给我老师的人工智能教程打call！http://blog.csdn.net/jiangjunshow