35 Opencv 亚像素角点检测
亚像素方法
cornerSubPix
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。
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
#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;
}
原文地址：https://blog.csdn.net/weixin_45672157/article/details/144678870
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！