34 Opencv 自定义角点检测

cornerEigenValsAndVecs

void cornerEigenValsAndVecs(InputArray src,       --单通道输入8位或浮点图像OutputArray dst,    --输出图像，同源图像或CV_32FC(6)int blockSize,         --邻域大小值int apertureSize,    --Sobel算子当中的核大小int borderType=BORDER_DEFAULT --像素外插方法
)//对应于Harris

cornerMinEigenVal

void cornerMinEigenVal(InputArray src,     --单通道输入8位或浮点图像OutputArray dst,  --图像存储的最小特征值。类型为CV_32FC1int blockSize,       --邻域大小值int apertureSize=3,   --Sobel算子的参数int borderType=BORDER_DEFAULT  --像素外插方法
}//对应Shi-Tomasi

示例

#include <opencv2/opencv.hpp> // 包含OpenCV库的头文件
#include <iostream>           // 包含标准输入输出流库#include <math.h>             // 包含数学函数库
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const char* harris_win = "Custom Harris Corners Detector"; // 定义Harris角点检测结果窗口名称
const char* shitomasi_win = "Custom Shi-Tomasi Corners Detector"; // 定义Shi-Tomasi角点检测结果窗口名称
Mat src, gray_src;            // 声明源图像和灰度图变量// Harris角点响应相关的矩阵及最大最小响应值
Mat harris_dst, harrisRspImg;
double harris_min_rsp;
double harris_max_rsp;// Shi-Tomasi角点响应相关的矩阵及最大最小响应值
Mat shiTomasiRsp;
double shitomasi_max_rsp;
double shitomasi_min_rsp;int sm_qualitylevel = 30;     // Shi-Tomasi质量级别初始值
int qualityLevel = 30;        // Harris质量级别初始值
int max_count = 100;          // 滑动条的最大值void CustomHarris_Demo(int, void*); // 声明Harris角点检测回调函数
void CustomShiTomasi_Demo(int, void*);// 声明Shi-Tomasi角点检测回调函数int main(int argc, char** argv) {src = imread("D:/vcprojects/images/home.jpg"); // 读取图片到src Mat对象中if (src.empty()) {                             // 检查是否成功加载图片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BGR格式的src转换为灰度图gray_src// 计算特征值（Harris角点）int blockSize = 3;      // 邻域大小int ksize = 3;          // Sobel算子的孔径参数double k = 0.04;        // Harris公式中的自由参数kharris_dst = Mat::zeros(src.size(), CV_32FC(6)); // 初始化用于存储特征值和向量的矩阵harrisRspImg = Mat::zeros(src.size(), CV_32FC1); // 初始化用于存储Harris响应值的矩阵cornerEigenValsAndVecs(gray_src, harris_dst, blockSize, ksize, 4); // 计算每个像素处的特征值和特征向量// 计算Harris响应值for (int row = 0; row < harris_dst.rows; row++) {for (int col = 0; col < harris_dst.cols; col++) {double lambda1 = harris_dst.at<Vec6f>(row, col)[0]; // 获取第一个特征值double lambda2 = harris_dst.at<Vec6f>(row, col)[1]; // 获取第二个特征值harrisRspImg.at<float>(row, col) = lambda1 * lambda2 - k * pow((lambda1 + lambda2), 2); // 计算Harris响应值}}minMaxLoc(harrisRspImg, &harris_min_rsp, &harris_max_rsp, 0, 0, Mat()); // 找到响应值中的最大最小值namedWindow(harris_win, CV_WINDOW_AUTOSIZE); // 创建一个用于显示Harris角点检测结果的窗口createTrackbar("Quality Value:", harris_win, &qualityLevel, max_count, CustomHarris_Demo); // 创建滑块以调整质量级别CustomHarris_Demo(0, 0); // 初始调用回调函数// 计算最小特征值（Shi-Tomasi角点）shiTomasiRsp = Mat::zeros(src.size(), CV_32FC1); // 初始化用于存储Shi-Tomasi响应值的矩阵cornerMinEigenVal(gray_src, shiTomasiRsp, blockSize, ksize, 4); // 计算每个像素处的最小特征值minMaxLoc(shiTomasiRsp, &shitomasi_min_rsp, &shitomasi_max_rsp, 0, 0, Mat()); // 找到响应值中的最大最小值namedWindow(shitomasi_win, CV_WINDOW_AUTOSIZE); // 创建一个用于显示Shi-Tomasi角点检测结果的窗口createTrackbar("Quality:", shitomasi_win, &sm_qualitylevel, max_count, CustomShiTomasi_Demo); // 创建滑块以调整质量级别CustomShiTomasi_Demo(0, 0); // 初始调用回调函数waitKey(0); // 等待按键事件return 0;
}// Harris角点检测回调函数：根据用户设定的质量级别绘制角点
void CustomHarris_Demo(int, void*) {if (qualityLevel < 10) { // 设定最低质量级别qualityLevel = 10;}Mat resultImg = src.clone(); // 复制原始图像用于绘制角点float t = harris_min_rsp + (((double)qualityLevel) / max_count) * (harris_max_rsp - harris_min_rsp); // 根据质量级别计算阈值for (int row = 0; row < src.rows; row++) {for (int col = 0; col < src.cols; col++) {float v = harrisRspImg.at<float>(row, col); // 获取当前像素的Harris响应值if (v > t) { // 如果响应值大于阈值，则认为是角点circle(resultImg, Point(col, row), 2, Scalar(0, 0, 255), 2, 8, 0); // 在图像上绘制红色圆圈标记角点}}}imshow(harris_win, resultImg); // 显示带有角点标记的图像
}// Shi-Tomasi角点检测回调函数：根据用户设定的质量级别绘制角点
void CustomShiTomasi_Demo(int, void*) {if (sm_qualitylevel < 20) { // 设定最低质量级别sm_qualitylevel = 20;}Mat resultImg = src.clone(); // 复制原始图像用于绘制角点float t = shitomasi_min_rsp + (((double)sm_qualitylevel) / max_count) * (shitomasi_max_rsp - shitomasi_min_rsp); // 根据质量级别计算阈值for (int row = 0; row < src.rows; row++) {for (int col = 0; col < src.cols; col++) {float v = shiTomasiRsp.at<float>(row, col); // 获取当前像素的Shi-Tomasi响应值if (v > t) { // 如果响应值大于阈值，则认为是角点circle(resultImg, Point(col, row), 2, Scalar(0, 0, 255), 2, 8, 0); // 在图像上绘制红色圆圈标记角点}}}imshow(shitomasi_win, resultImg); // 显示带有角点标记的图像
}