cv::cornerSubPix()亚像素角点检测

转自https://blog.csdn.net/guduruyu/article/details/69537083
cv::goodFeaturesToTrack()提取到的角点只能达到像素级别，在很多情况下并不能满足实际的需求，这时，我们则需要使用cv::cornerSubPix()对检测到的角点作进一步的优化计算，可使角点的精度达到亚像素级别。

具体调用形式如下：
   void 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 // 停止优化的标准
   );

第一个参数是输入图像，和cv::goodFeaturesToTrack()中的输入图像是同一个图像。
第二个参数是检测到的角点，即是输入也是输出。

第三个参数是计算亚像素角点时考虑的区域的大小，大小为NXN; N=(winSize*2+1)。

第四个参数作用类似于winSize，但是总是具有较小的范围，通常忽略（即Size(-1, -1)）。

第五个参数用于表示计算亚像素时停止迭代的标准，可选的值有cv::TermCriteria::MAX_ITER 、cv::TermCriteria::EPS（可以是两者其一，或两者均选），前者表示迭代次数达到了最大次数时停止，后者表示角点位置变化的最小值已经达到最小时停止迭代。二者均使用cv::TermCriteria()构造函数进行指定。

下面就通过一个示例看看cv::cornerSubPix()亚像素角点检测的具体效果。

cv::Mat image_color = cv::imread("image.jpg", cv::IMREAD_COLOR);

   //用于绘制亚像素角点
   cv::Mat image_copy = image_color.clone();
   //使用灰度图像进行角点检测
   cv::Mat image_gray;
   cv::cvtColor(image_color, image_gray, cv::COLOR_BGR2GRAY);

   //设置角点检测参数
   std::vector<cv::Point2f> corners;
   int max_corners = 100;
   double quality_level = 0.01;
   double min_distance = 10;
   int block_size = 3;
   bool use_harris = false;
   double k = 0.04;

   //角点检测
   cv::goodFeaturesToTrack(image_gray,
       corners,
       max_corners,
       quality_level,
       min_distance,
       cv::Mat(),
       block_size,
       use_harris,
       k);

   //将检测到的角点绘制到原图上
   for (int i = 0; i < corners.size(); i++)
   {
       cv::circle(image_color, corners[i], 5, cv::Scalar(0, 0, 255), 2, 8, 0);
   }

   //指定亚像素计算迭代标注
   cv::TermCriteria criteria = cv::TermCriteria(
                   cv::TermCriteria::MAX_ITER + cv::TermCriteria::EPS,
                   40,
                   0.01);

   //亚像素检测
   cv::cornerSubPix(image_gray, corners, cv::Size(5, 5), cv::Size(-1, -1), criteria);

   //将检测到的亚像素角点绘制到原图上
   for (int i = 0; i < corners.size(); i++)
   {
       cv::circle(image_copy, corners[i], 5, cv::Scalar(0, 255, 0), 2, 8, 0);
   }

   cv::imshow("corner", image_color);
   cv::imshow("sub pixel corner", image_copy);

   cv::imwrite("corner.jpg", image_color);
   cv::imwrite("corner_sub.jpg", image_copy);
   cv::waitKey(0);
   return;

直接角点检测和亚像素角点检测的结果分别如下，从检测的效果来看，使用亚像素角点检测后角点的精细度确实得到了显著的提升。

cv::cornerSubPix()亚像素角点检测相关推荐

OpenCV——Harris、Shi Tomas、自定义、亚像素角点检测
在图像处理和与计算机视觉领域,兴趣点(interest points),或称作关键点(keypoints).特征点(feature points) 被大量用于解决物体识别,图像识别.图像匹配.视觉跟踪 ...
OpenCV亚像素角点检测
前言我在做围棋盘的的四个角点检测时,试了几种角点检测,用来得到棋盘四个角的初始点,试了几种角点检测的方法,但在我所使用的环境下,亚像素的角点检测得到的结果比较理想. 代码 //亚像素角点检测 voi ...
《opencv学习笔记》-- 亚像素角点检测
亚像素级角点检测的位置在摄像机标定.跟踪并重建摄像机的轨迹,或者重建被跟踪目标的三维结构时,是一个基本的测测量值. 将所求得的角点位置精确到亚像素级精度 .一个向量和与其正交的向量的点积为0,角点则满 ...
OpenCV开发笔记（六十二）：红胖子8分钟带你深入了解亚像素角点检测（图文并茂+浅显易懂+程序源码）
若该文为原创文章,未经允许不得转载原博主博客地址:https://blog.csdn.net/qq21497936 原博主博客导航:https://blog.csdn.net/qq21497936/ ...
图像处理之角点检测与亚像素角点定位
图像处理之角点检测与亚像素角点定位角点是图像中亮度变化最强地方反映了图像的本质特征,提取图像中的角点可以有效提高图像处理速度与精准度.所以对于整张图像来说特别重要,角点检测与提取的越准确图像处理与分 ...
opencv3/C++ Harris角点、Shi-Tomasi角点亚像素角点
角点检测在图像匹配.目标识别.目标跟踪.运动估计与三维重建等CV领域起着非常重要的作用. 角点定义关于角点的定义有以下几种: 1.角点是两条及两条以上的边缘的交点: 2.角点处的一阶导数最大,二阶导 ...
opencv亚像素边缘精度_OpenCV亚像素角点cornerSubPixel()源代码分析
上一篇博客中讲到了goodFeatureToTrack()这个API函数能够获取图像中的强角点.但是获取的角点坐标是整数,但是通常情况下,角点的真实位置并不一定在整数像素位置,因此为了获取更为精确的角 ...
【OpenCV3】角点检测——cv::goodFeaturesToTrack()与cv::cornerSubPix()详解
一提到角点检测,最常用的方法莫过于Harris角点检测,opencv中也提供了Harris角点检测的接口,即cv::cornerHarris(),但是Harris角点检测存在很多缺陷(如角点是像素级别 ...
《OpenCV3编程入门》学习笔记10 角点检测(三）亚像素级角点检测
10.3 亚像素级角点检测 10.3.1 亚像素级角点检测原理 1.原理: 假设起始角点在实际亚像素角点附近,检测所有q-p向量,下面两种情况点p梯度与q-p向量的点积均为0:(1)点p附近图像均 ...

cv::cornerSubPix()亚像素角点检测

cv::cornerSubPix()亚像素角点检测相关推荐

最新文章

热门文章