OpenCV中feature2D学习——亚像素级角点检测（cornerSubPix）

概述

除了利用Harris进行角点检测和利用Shi-Tomasi方法进行角点检测外，还可以使用cornerEigenValsAndVecs()函数和cornerMinEigenVal()函数自定义角点检测函数。如果对角点的精度有更高的要求，可以用cornerSubPix()函数将角点定位到子像素，从而取得亚像素级别的角点检测效果。

cornerSubPix()函数

（1）函数原型

cornerSubPix()函数在角点检测中精确化角点位置，其函数原型如下：

C++: void cornerSubPix(InputArray image, InputOutputArray corners, Size winSize, Size zeroZone, TermCriteria criteria);
C: void cvFindCornerSubPix(const CvArr* image, CvPoint2D32f* corners, int count, CvSize win, CvSize zero_zone, CvTermCriteria criteria);

（2）函数参数

函数参数说明如下：

image：输入图像

corners：输入角点的初始坐标以及精准化后的坐标用于输出。

winSize：搜索窗口边长的一半，例如如果winSize=Size(5,5)，则一个大小为的搜索窗口将被使用。

zeroZone：搜索区域中间的dead region边长的一半，有时用于避免自相关矩阵的奇异性。如果值设为(-1,-1)则表示没有这个区域。
criteria：角点精准化迭代过程的终止条件。也就是当迭代次数超过criteria.maxCount，或者角点位置变化小于criteria.epsilon时，停止迭代过程。

代码示例

代码示例基于goodFeaturesToTrack()检测出来的角点，使用cornerSubPix()函数将角点位置精确到亚像素级精度。

/**
* @使用cornerSubPix()函数在goodFeaturesToTrack()的角点检测基础上将角点位置精确到亚像素级别
* @author holybin
*/

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
#include <stdio.h>
#include <stdlib.h>
using namespace cv;
using namespace std;

/// 全局变量
Mat src, srcGray;
int maxCorners = 10;	//角点个数的最大值 
int maxCornersThresh = 20;	//角点个数最大值的上限（滑动条范围0-20） 
char* detectWindow = "detection";
char* refineWindow = "refinement";

/// 角点精准化函数声明
void doCornerRefinement( int, void* );

int main( int argc, char** argv )
{
 /// 载入图像并灰度化 
  src = imread( "D:\\opencv_pic\\house_small.jpg", 1 );
  cvtColor( src, srcGray, CV_BGR2GRAY );

  /// 创建显示窗口以及滑动条  
  namedWindow( detectWindow, CV_WINDOW_AUTOSIZE );
  createTrackbar( "max  num:", detectWindow, &maxCorners, maxCornersThresh, doCornerRefinement );  
  imshow( detectWindow, src );

  doCornerRefinement( 0, 0 );

  waitKey(0);
  return(0);
}

 /// 使用Shi-Tomasi方法检测角点，再对角点位置进行精准化
void doCornerRefinement( int, void* )
{
  if( maxCorners < 1 )
	  maxCorners = 1;
  
  /// Shi-Tomasi的参数设置
  vector<Point2f> corners;
  double qualityLevel = 0.01;
  double minDistance = 10;
  int blockSize = 3;
  bool useHarrisDetector = false;	//不使用Harris检测算法
  double k = 0.04;

  /// 深度拷贝原图像用于绘制角点
  Mat detectSrcCopy = src.clone();
  Mat refineSrcCopy = src.clone();

  /// 应用Shi-Tomasi角点检测算法 
  goodFeaturesToTrack( srcGray, 
		       corners,
		       maxCorners,
		       qualityLevel,
		       minDistance,
		       Mat(),	//未选择感兴趣区域 
		       blockSize,
		       useHarrisDetector,
		       k );

  /// 当maxCorners的值较小时，以下两个值基本是一样的；  
  /// 当maxCorners的值较大时，实际检测到的角点数目有可能小于maxCorners，以下两个值不一样。  
  cout<<"*  detected corners : "<<corners.size()<<endl;  
  cout<<"** max corners: "<<maxCorners<<endl;  

  /// 1--显示角点检测结果
  int r = 3;
  cout<<"-- Before refinement: "<<endl;
  for( int i = 0; i < corners.size(); i++ )
  {
	  // 标示出角点
     circle( detectSrcCopy, corners[i], r, Scalar(255,0,255), -1, 8, 0 );
	 // 输出角点坐标
	 cout<<"	["<<i<<"]  ("<<corners[i].x<<","<<corners[i].y<<")"<<endl; 
  }
  namedWindow( detectWindow, CV_WINDOW_AUTOSIZE );
  imshow( detectWindow, detectSrcCopy );

  /// 角点位置精准化参数
  Size winSize = Size( 5, 5 );
  Size zeroZone = Size( -1, -1 );
  TermCriteria criteria = TermCriteria( 
	  CV_TERMCRIT_EPS + CV_TERMCRIT_ITER, 
	  40, //maxCount=40
	  0.001 );	//epsilon=0.001
  /// 计算精准化后的角点位置
  cornerSubPix( srcGray, corners, winSize, zeroZone, criteria );

  /// 2--显示精准化后的角点
  cout<<"-- After refinement: "<<endl;
  for( int i = 0; i < corners.size(); i++ )
  {
	  // 标示出角点
	  circle( refineSrcCopy, corners[i], r, Scalar(255,0,255), -1, 8, 0 );
	  // 输出角点坐标
	  cout<<"	["<<i<<"]  ("<<corners[i].x<<","<<corners[i].y<<")"<<endl; 
  }
  namedWindow( refineWindow, CV_WINDOW_AUTOSIZE );
  imshow( refineWindow, refineSrcCopy );

  cout<<endl;
}

实验结果：