35 Opencv 亚像素角点检测

文章目录

亚像素方法

cornerSubPix

c 复制代码
 cv::cornerSubPix(
        cv::InputArray image, // 输入图像
        cv::InputOutputArray corners, // 角点(既作为输入也作为输出)
        cv::Size winSize, // 区域大小为 NXN; N=(winSize*2+1)
        cv::Size zeroZone, // 类似于winSize,但是总具有较小的范围,Size(-1,-1)表示忽略
        cv::TermCriteria criteria // 结束迭代优化的标准
    );

TermCriteria 迭代次数

TermCriteria

一种用于迭代求解的函数。

c 复制代码
cv::TermCriteria::TermCriteria ( int  type, int maxCount, double epsilon)
type:判定迭代终止的条件类型。
有3种形式:
1)TermCriteria::COUNT 最大迭代次数;
2)TermCriteria::EPS 要求的收敛阈值;
3)TermCriteria::COUNT + TermCriteria::EPS 达到2个条件之一即可。

maxCount:即最大迭代次数。
epsilon:即要求的收敛阈值

示例

c 复制代码
#include <opencv2/opencv.hpp> // 包含OpenCV库的主要头文件
#include <iostream>           // 包含标准输入输出流库

using namespace cv;           // 使用cv命名空间,以避免每次调用OpenCV函数时都要写cv::
using namespace std;          // 使用std命名空间,以便使用cout, cin等函数

int max_corners = 20;         // 定义最大角点数量为20个
int max_count = 50;           // 滑动条的最大值设置为50

Mat src, gray_src;            // 声明源图像和灰度图变量

const char* output_title = "SubPixel Result"; // 定义输出窗口的标题

void SubPixel_Demo(int, void*); // 声明回调函数,用于更新子像素角点检测结果

// 主函数
int main(int argc, char** argv) {
	src = imread("D:/vcprojects/images/home.jpg"); // 加载指定路径的图像到src矩阵中
	if (src.empty()) {                             // 检查是否成功加载图像
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input image", CV_WINDOW_AUTOSIZE); // 创建一个名为"input image"的窗口
	imshow("input image", src);                     // 在该窗口中显示原始图像

	cvtColor(src, gray_src, COLOR_BGR2GRAY);        // 将彩色图像转换为灰度图像

	namedWindow(output_title, CV_WINDOW_AUTOSIZE);  // 创建一个用于显示子像素角点检测结果的窗口
	createTrackbar("Corners:", output_title, &max_corners, max_count, SubPixel_Demo); // 创建滑块以调整最大角点数,并绑定到回调函数
	SubPixel_Demo(0, 0);                            // 初始调用回调函数

	waitKey(0);                                     // 等待按键事件(无限期等待)
	return 0;
}

// 子像素角点检测回调函数:根据用户设定的最大角点数量进行角点检测并细化角点位置
void SubPixel_Demo(int, void*) {
	if (max_corners < 5) {                          // 确保角点数量不少于5个
		max_corners = 5;
	}

	vector<Point2f> corners;                        // 定义一个vector容器用于存储检测到的角点坐标
	double qualityLevel = 0.01;                     // 设置质量水平阈值,决定最小特征值的下限
	double minDistance = 10;                        // 设置角点之间的最小距离
	int blockSize = 3;                              // 设置计算导数自相关矩阵时考虑的邻域大小
	double k = 0.04;                                // Harris角点检测器使用的自由参数k值

	goodFeaturesToTrack(gray_src, corners, max_corners, qualityLevel, minDistance, Mat(), blockSize, false, k); // 检测角点并将它们存入corners向量中
	cout << "number of corners: " << corners.size() << endl; // 打印检测到的角点数量

	Mat resultImg = src.clone();                    // 复制原始图像用于绘制角点
	for (size_t t = 0; t < corners.size(); t++) {   // 遍历所有检测到的角点
		circle(resultImg, corners[t], 2, Scalar(0, 0, 255), 2, 8, 0); // 在每个角点位置绘制红色圆圈标记
	}
	imshow(output_title, resultImg);                // 显示带有角点标记的图像

	//拟合
	Size winSize = Size(5, 5);                      // 设置用于细化角点位置的搜索窗口大小
	Size zerozone = Size(-1, -1);                   // 设置细化时的零区(-1,-1表示没有零区)
	TermCriteria tc = TermCriteria(TermCriteria::EPS + TermCriteria::MAX_ITER, 40, 0.001); // 设置终止条件:精度或迭代次数
	cornerSubPix(gray_src, corners, winSize, zerozone, tc); // 对检测到的角点进行亚像素级别的精确定位

	for (size_t t = 0; t < corners.size(); t++) {   // 再次遍历所有角点
		cout << (t + 1) << " .point[x, y] = " << corners[t].x << " , " << corners[t].y << endl; // 打印每个角点的精确坐标
	}
	return;
}
相关推荐
凳子花❀2 分钟前
强化学习与深度学习以及相关芯片之间的区别
人工智能·深度学习·神经网络·ai·强化学习
泰迪智能科技012 小时前
高校深度学习视觉应用平台产品介绍
人工智能·深度学习
盛派网络小助手2 小时前
微信 SDK 更新 Sample,NCF 文档和模板更新,更多更新日志,欢迎解锁
开发语言·人工智能·后端·架构·c#
Eric.Lee20213 小时前
Paddle OCR 中英文检测识别 - python 实现
人工智能·opencv·计算机视觉·ocr检测
cd_farsight3 小时前
nlp初学者怎么入门?需要学习哪些?
人工智能·自然语言处理
AI明说3 小时前
评估大语言模型在药物基因组学问答任务中的表现:PGxQA
人工智能·语言模型·自然语言处理·数智药师·数智药学
Focus_Liu3 小时前
NLP-UIE(Universal Information Extraction)
人工智能·自然语言处理
PowerBI学谦3 小时前
使用copilot轻松将电子邮件转为高效会议
人工智能·copilot
audyxiao0013 小时前
AI一周重要会议和活动概览
人工智能·计算机视觉·数据挖掘·多模态