opencv图像角点提取

opencv图像角点提取opencv角点检测(二)改进的Harris角点检测算法harris角点检测算法的结果一定程度上取决于系数k,有人对Harris的角点检测算法进行了改进,直接利用像素点协方差矩阵的特征值提取角点。而且不在进行非极大值抑制,而是采用一种容忍距离的形式,在角点的一定范围内只有一个角点。具体原理:首先计算图像每个像素点的协方差矩阵,并求取对应的特征值,将最小的特征值最大的那个像素点作为第

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

opencv角点检测(二)


改进的Harris角点检测算法

<span style="font-size:18px;">harris角点检测算法的结果一定程度上取决于系数k,有人对Harris的角点检测算法进行了改进,直接利用像素点协方差矩阵的特征值提取角点。而且不在进行非极大值抑制,而是采用一种容忍距离的形式,在角点的一定范围内只有一个角点。</span>
<span style="font-size:18px;">具体原理:首先计算图像每个像素点的协方差矩阵,并求取对应的特征值,将最小的特征值最大的那个像素点作为第一个角点(具体来说,就是求出每个像素点的协方差矩阵对应的特征值,找出最小的那个,所有最小的特征值中哪个最大,就将哪个所对应的像素点作为角点max(min(e1,e2)),e1、e2为像素协方差矩阵的特征值)。然后依次按照最大最小特征值的顺序寻找角点,并保证在容忍距离内只有一个角点。</span>
<span style="font-size:18px;">opencv测试代码:</span>
<span style="font-size:18px;"></span><pre name="code" class="cpp">#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp><img src="https://img-blog.csdn.net/20150322224206153?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvdTAxNDI2MDg5Mg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" /><img src="https://img-blog.csdn.net/20150322224206153?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvdTAxNDI2MDg5Mg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" />
#include <opencv2/imgproc/imgproc.hpp>

#include <iostream>
using namespace std;
using namespace cv;

Mat src,src_gray;
int cornernum = 20;
int maxnum = 200;
char* windowname = "Imagecorners";

void goodFeaturesdemo(int,void*);
int main(int argc,char* argv[])
{
	src = imread("road.jpg");
	cvtColor(src,src_gray,CV_BGR2GRAY);//将图像转化为灰度图;

	namedWindow(windowname,CV_WINDOW_AUTOSIZE);
	createTrackbar("CornersNum:",windowname,&cornernum,maxnum,goodFeaturesdemo);//创建控制条,与cornernum变量相        //关联

	imshow(windowname,src);
	goodFeaturesdemo(0,0);

	waitKey(0);
	return 0;
}

void goodFeaturesdemo(int,void*)
{
	if(cornernum < 1){ cornernum = 1;}

	vector<Point2f> points;
	double qualityLevel = 0.02;
	double minDistance = 10;
	int blockSize = 3;
	bool useHarrisDetector = false;
	double k = 0.04;

	Mat copy;
	copy = src.clone();
        //进行角点检测
	goodFeaturesToTrack(src_gray,              //要进行检测的图像
		                points,            //存储检测到的角点坐标,Point2f类型
		                cornernum,         //检测到的角点的最大数目
				qualityLevel,      //角点的阈值条件,即角点的质量等级:qualityLevel*max(min(e1,e2))
				minDistance,       //容忍距离,单位像素
				Mat(),
				blockSize,
				useHarrisDetector,
				k);
	cout<<"Number of corners detected: "<<points.size()<<endl;
	int r = 4;
	for(int i = 0; i < points.size(); i++)
	{
		circle(copy,points[i],r,Scalar(0,0,255),1,8);
	}

	//namedWindow(windowname,CV_WINDOW_AUTOSIZE);
	imshow(windowname,copy);
}

检测结果如下:


<img src="https://img-blog.csdn.net/20150322224206153?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvdTAxNDI2MDg5Mg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" />
<span style="font-size:18px;">可以看出检测到的角点比较均匀,不会在一个小区域产生角点聚集的情况。</span>
<span style="font-size:18px;">
</span>
<span style="font-size:18px;"></span><pre name="code" class="cpp">定制自己的角点检测算法:
opencv提供了求取特征值和特征向量的函数,可以实现自己设计的角点提取算法,主要包括下面两个函数:
cornerEigenCalsAndVecs:计算像素对应的特征值和特征向量;
cornerMinEigenVal:求取像素点最小的特征值;
下面程序实现了一个定制化的Harris角点检测算法,和类似的Shi-Tomsi算法:
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

#include <iostream>
using namespace std;
using namespace cv;

Mat src,src_gray;
Mat myHarris_dst,myHarris_copy,Mc;
Mat myShiTomsi_dst,myShiTomsi_copy;

int myST_qualityLevel = 50;
int myH_qualityLevel = 50;
int max_qualityLevel =100;

double myHarris_minVal,myHarris_maxVal;
double myST_minVal,myST_maxVal;

RNG rng(2444);

char* myHarris = "myHarris Corner:";
char* myST = "myST Corner:";

void myHarris_function(int,void*);
void myST_function(int,void*);

int main(int argc,char* argv[])
{
	src = imread("road.jpg");

	cvtColor(src,src_gray,CV_BGR2GRAY);

	int blocksize = 3;
	int aperture = 3;
	myHarris_dst = Mat::zeros(src_gray.size(),CV_32FC(6));
	Mc =  Mat::zeros(src_gray.size(),CV_32FC1);

	cornerEigenValsAndVecs(src_gray,myHarris_dst,blocksize,aperture,BORDER_DEFAULT);//求取像素点特征值和特征向         
        //量,具体参数意义见用户手册;论坛上应该有。
	for( int i = 0; i < src_gray.rows; i++)
	{
		for(int j = 0; j < src_gray.cols; j++)
		{
			float lambda_1 = myHarris_dst.at<Vec6f>(i,j)[0];//取出两个特征值,后几位是特征向量;
			float lambda_2 = myHarris_dst.at<Vec6f>(i,j)[1];
			Mc.at<float>(i,j) = lambda_1*lambda_2 - 0.04*pow((lambda_1+lambda_2),2);//harris角点检测法
		}
	}

	minMaxLoc(Mc,&myHarris_minVal,&myHarris_maxVal);//求出最大值和最小值,用来筛选角点;

	namedWindow(myHarris,CV_WINDOW_AUTOSIZE);
	createTrackbar("Quality Level",myHarris,&myH_qualityLevel,max_qualityLevel,myHarris_function);
	myHarris_function(0,0);

	myShiTomsi_dst = Mat::zeros(src_gray.size(),CV_32FC1);
	cornerMinEigenVal(src_gray,myShiTomsi_dst,blocksize,aperture,4);

	minMaxLoc(myShiTomsi_dst,&myST_minVal,&myST_maxVal);
	namedWindow(myST,CV_WINDOW_AUTOSIZE);
	createTrackbar("Quality Level",myST,&myST_qualityLevel,max_qualityLevel,myST_function);
	myST_function(0,0);

	waitKey();
	return 0;
}

void myHarris_function(int,void*)
{
	myHarris_copy = src.clone();

	if(myST_qualityLevel < 1)
	{ myST_qualityLevel = 1;}

	for(int j = 0; j < src_gray.rows ; j++)
	{
		for(int i = 0; i < src_gray.cols ; i++)
		{
		    if( Mc.at<float>(j,i) > myHarris_minVal + (float)(myHarris_maxVal - myHarris_minVal)*
			myH_qualityLevel/max_qualityLevel)
			     circle(myHarris_copy,Point(i,j),3,Scalar(rng.uniform(0,255),rng.uniform(0,255),rng.uniform(0,255)),-1,8,0);//在检测到的焦点位                             //置画圆
		}
	}
	imshow(myHarris,myHarris_copy);
}

void myST_function(int,void*)
{
	myShiTomsi_copy = src.clone();

	for(int i = 0; i < src.rows; i++)
	{
		for(int j = 0; j < src.cols ; j++)
		{
			if(myShiTomsi_dst.at<float>(i,j) > myST_minVal + (myST_maxVal - myST_minVal)*
				myH_qualityLevel/max_qualityLevel)
				circle(myShiTomsi_copy,Point(j,i),3,Scalar(rng.uniform(0,255),rng.uniform(0,255),rng.uniform(0,255)),-1,8,0);
		}
	}
	imshow(myST,myShiTomsi_copy);
}

定制化的Harris焦点检测结果:


<span style="font-size:18px;"><img src="https://img-blog.csdn.net/20150322224743120?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvdTAxNDI2MDg5Mg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" />
</span>
<span style="font-size:18px;">定制化的Shi-Tomsi算法检测结果:</span>
<span style="font-size:18px;"><img src="https://img-blog.csdn.net/20150322224845286?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvdTAxNDI2MDg5Mg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" />
</span>
<span style="font-size:18px;">
</span>
<span style="font-size:18px;">亚像素角点检测:</span>
<span style="font-size:18px;"></span><pre name="code" class="cpp">opencv提供函数cornerSubPixel函数进行亚像素精度的角点检测。具体代码如下:
<pre name="code" class="cpp">#include <iostream>
using namespace std;
using namespace cv;

Mat src,src_gray;
int cornersnum = 20;
int maxnum = 50;
RNG rng(342);

char* imgwindow = "Image";

void subPixelCorner(int,void*);
int main(int argc,char* argv[])
{
	src = imread("cat.jpg");

	cvtColor(src,src_gray,CV_BGR2GRAY);
	namedWindow(imgwindow,CV_WINDOW_AUTOSIZE);
	createTrackbar("Corners NUM:",imgwindow,&cornersnum,maxnum,subPixelCorner);
	subPixelCorner(0,0);

	//imshow(imgwindow,src);

	waitKey(0);
	return 0;
}

void subPixelCorner(int,void*)
{
	if(cornersnum < 1) { cornersnum = 1;}

	Mat copy = src.clone();

	vector<Point2f> points;
	double qualityLevel = 0.03;
	double minDistance = 10;
	int blocksize = 3;
	bool useHarrisDetector = false;
	double k = 0.045;

	goodFeaturesToTrack(src_gray,
		            points,
		            cornersnum,
			    qualityLevel,
			    minDistance,
			    Mat(),
			    blocksize,
			    useHarrisDetector,
			    k);

	cout<<"Number of detected corners:"<<points.size()<<endl;
	int r = 4;
	for( int i = 0; i < points.size(); i++)
	{
		circle(copy,points[i],r,Scalar(rng.uniform(0,255),rng.uniform(0,255),rng.uniform(0,255)),-1,8,0);
	}

	imshow(imgwindow,copy);

	Size size = Size(5,5);
	Size zerosize = Size(-1,-1);

	TermCriteria criteria = TermCriteria(CV_TERMCRIT_EPS + CV_TERMCRIT_ITER,30,0.01);//设置迭代结束的条件
	cornerSubPix(src_gray,points,size,zerosize,criteria);//亚像素精度角点检测

	for(int j = 0; j < points.size(); j++)
	{ cout<<"Refined Corner ["<<j<<"] : ("<<points[j].x<<","<<points[j].y<<")"<<endl;}
}

cornernum阈值为36时的运行结果:

opencv图像角点提取


重新定位的亚像素精度的角点:
<img src="https://img-blog.csdn.net/20150322225130178?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvdTAxNDI2MDg5Mg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="" />

至此,利用opencv检测角点的算法总结完毕,本文的程序是在VC2010+opencv2.4.9+win7下可直接运行;下篇总结不同的特征检测算子。敬请期待!


<span style="font-size:18px;">
</span>

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/179735.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • python字符串转义字符_python 转义

    python字符串转义字符_python 转义上图中因为python不知到如何处理一对单引号之后的内容,不能识别第三个单引号。(默认都是以一对单引号或双引号来表示字符串从结束到开始。)长字符串:用三个引号(单引号或者双引号)来代表字符串开始和结束例如在有些情况下,就需要用转义:(1)>>>path=’c:\nowhere’输出的内容换行,不是想要的结果,我们就需要转义用反斜杠\来转义…

    2022年10月23日
  • 2021Vue.js面试题汇总及答案【全网最全 建议收藏】「建议收藏」

    2021Vue.js面试题汇总及答案【全网最全 建议收藏】「建议收藏」文章目录前言一、Vue.js基本问题1.1.Vue响应式原理1.2.Vue.js的特点1.3.Vue.js双向绑定的原理1.4.Vue中如何监控某个属性值的变化?1.5.Vue.js3.0放弃defineProperty,使用Proxy的原因1.6.Vue2中给data中的对象属性添加一个新的属性时会发生什么?如何解决?前言之前博主有分享过Vue学习由浅到深的文章(Vue学习之从入门到神经)现在Vue学的好的话马内真的不必后端差所以今天博主就汇总下有关Vue的相关面试题

  • ubuntu 卸载php「建议收藏」

    ubuntu 卸载php「建议收藏」卸载:一、删除php的相关包及配置sudoapt-getautoremovephp7*二、删除关联sudofind/etc-name”*php*”|xargsrm-rf三、清除dept列表sudoaptpurge`dpkg-l|grepphp|awk'{print$2}’|tr”\n”””`四、检查是否卸载干净(无返回就是卸载完成)dpkg-l|grepphp7.0…

  • http请求生命周期流程

    http请求生命周期流程

    2021年10月30日
  • Cisco三层交换机的配置详解

    Cisco三层交换机的配置详解

  • stm32 独立看门狗时钟配置[通俗易懂]

    stm32 独立看门狗时钟配置[通俗易懂]独立看门狗的时钟源为40k,分频因子最大为256//初始化独立看门狗 5秒钟//prer:分频数:0~7(只有低3位有效!)//分频因子=4*2^prer.但最大值只能是256!//rlr:重装载寄存器值:低12位有效,最大只能是4096//时间计算(大概):Tout=40K/((4*2^prer)*rlr)值.voidIWDG_Init(u8prer,u16rlr){ IWDG_Writ…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号