OpenCV学习之旅8——角点检测（2）

本文主要是介绍OpenCV学习之旅8——角点检测（2），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1. Shi-Tomasi角点检测

Shi-Tomasi算法是Harris算法的改进，Shi-Tomasi算法最早发布于文章《Good Feature to Track》中被提出来，因此OpenCV实现此算法的函数名为goodFeatureToTrack。

1.1 goodFeaturesToTrack()函数

void goodFeaturesToTrack( InputArray image, OutputArray corners,int maxCorners, double qualityLevel, double minDistance,InputArray mask=noArray(), int blockSize=3,bool useHarrisDetector=false, double k=0.04 );

第三个参数：角点最大数量；
第四个参数：检点检测可接受的最小特征值，其值通常不会超过1（常用的值为0.1或0.01）；
第五个参数：角点间最小距离；
第六个参数：可选参数，表示感兴趣区域；
第七个参数：邻域大小。

goodFeaturesToTrack函数可以用来初始化一个基于点的对象跟踪操作。

1.2 程序实例

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
using namespace cv;
using namespace std;//-----------------------------------【宏定义部分】-------------------------------------------- 
//  描述：定义一些辅助宏 
//----------------------------------------------------------------------------------------------
#define WINDOW_NAME "【Shi-Tomasi角点检测】"        //为窗口标题定义的宏 void on_GoodFeaturesToTrack(int, void*);//-----------------------------------【全局变量声明部分】--------------------------------------
//          描述：全局变量声明
//-----------------------------------------------------------------------------------------------
Mat g_srcImage, g_grayImage;
int g_maxCornerNumber = 33;
int g_maxTrackbarNumber = 500;
RNG g_rng(12345);//初始化随机数生成器//--------------------------------------【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】改变console字体颜色system("color 2F"); //【1】载入源图像并将其转换为灰度图g_srcImage = imread("1.jpg", 1 );cvtColor( g_srcImage, g_grayImage, CV_BGR2GRAY );//【2】创建窗口和滑动条，并进行显示和回调函数初始化namedWindow( WINDOW_NAME, CV_WINDOW_AUTOSIZE );createTrackbar( "最大角点数", WINDOW_NAME, &g_maxCornerNumber, g_maxTrackbarNumber, on_GoodFeaturesToTrack );imshow( WINDOW_NAME, g_srcImage );on_GoodFeaturesToTrack( 0, 0 );waitKey(0);return(0);
}//-----------------------------【on_GoodFeaturesToTrack( )函数】----------------------------
//          描述：响应滑动条移动消息的回调函数
//----------------------------------------------------------------------------------------------
void on_GoodFeaturesToTrack(int, void*)
{//【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】输出文字信息cout << "\t>此次检测到的角点数量为：" << corners.size() << endl;//【5】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);}//【6】显示（更新）窗口imshow(WINDOW_NAME, copy);
}

2. 亚像素级角点检测

如果我们进行图像处理的目的不是提取用于识别的特征点而是用于进行几何测量，这通常需要更高精度，通过goodFeatureToTrack()函数只能提供简单的像素坐标值，即坐标为整数值。
OpenCV中提供了cornerSubPix()函数用于发现亚像素精度的角点位置。

2.1 cornerSubPix()函数

void cornerSubPix( InputArray image, InputOutputArray corners,Size winSize, Size zeroZone,TermCriteria criteria );

寻找亚像素角点位置，不是整数类型的，而是更精确的浮点型位置。

第二个参数：提供输入角点的初始坐标和精确地输出坐标；
第三个参数：搜索窗口的一半尺寸。若winSize=Size(5,5)，那么搜索窗口大小为Size(11,11)；
第四个参数：死区的一半尺寸，死区为不对搜索区中央位置进行求和运算的区域，以此避免某些矩阵可能的奇异性，(-1，-1)表示没有死区；
第五个参数：角点迭代过程终止条件，即角点位置的确定。

2.2 程序实例

Mat g_srcImage, g_grayImage;
int g_maxCornerNumber = 33;
int g_maxTrackbarNumber = 500;
RNG g_rng(12345);//初始化随机数生成器void on_GoodFeaturesToTrack(int, void*);//--------------------------------------【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】改变console字体颜色system("color 2F");//【1】载入源图像并将其转换为灰度图g_srcImage = imread("1.jpg", 1);cvtColor(g_srcImage, g_grayImage, CV_BGR2GRAY);//【2】创建窗口和滑动条，并进行显示和回调函数初始化namedWindow(WINDOW_NAME, CV_WINDOW_AUTOSIZE);createTrackbar("最大角点数", WINDOW_NAME, &g_maxCornerNumber, g_maxTrackbarNumber, on_GoodFeaturesToTrack);imshow(WINDOW_NAME, g_srcImage);on_GoodFeaturesToTrack(0, 0);waitKey(0);return(0);
}//-----------------------------【on_GoodFeaturesToTrack( )函数】----------------------------
//          描述：响应滑动条移动消息的回调函数
//----------------------------------------------------------------------------------------------
void on_GoodFeaturesToTrack( int, void* )
{//【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】输出文字信息cout<<"\n\t>-------------此次检测到的角点数量为："<<corners.size()<<endl;//【5】绘制检测到的角点int r = 4;for( unsigned 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 ); }//【6】显示（更新）窗口imshow( WINDOW_NAME, copy );//【7】亚像素角点检测的参数设置Size winSize = Size( 5, 5 );Size zeroZone = Size( -1, -1 );TermCriteria criteria = TermCriteria( CV_TERMCRIT_EPS + CV_TERMCRIT_ITER, 40, 0.001 );//【8】计算出亚像素角点位置cornerSubPix( g_grayImage, corners, winSize, zeroZone, criteria );//【9】输出角点信息for( int i = 0; i < corners.size(); i++ ){ cout<<" \t>>精确角点坐标["<<i<<"]  ("<<corners[i].x<<","<<corners[i].y<<")"<<endl; }}

这篇关于OpenCV学习之旅8——角点检测（2）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---