前言：

我们知道，在OpenCV中已经为我们提供了相关函数——cornerHarris() 函数和 goodFeaturesToTrack()函数，来实现Harris角点检测和Shi-Tomasi角点检测，
除此之外，其实我们也可以根据算法的原理和需求来制作角点检测的函数。例如:
使用cornerEigenValsAndVecs()函数和minMaxLoc()函数结合来模拟Harris角点检测，
或者使用cornerMinEigenVal()函数和minMaxLoc()函数结合来模拟Shi-Tomasi角点检测，
最后特征点选取的判断条件要根据实际情况进行选择。

自定义角点检测器

基于 Harris 与 Shi-Tomasi 角点检测
首先通过计算矩阵 M 得到 λλλ₁ λλλ₂ 两个特征值根据他们得到角点响应值
然后自己设置阈值实现计算出阈值得到有效响应值的角点位置

1. cornerEigenValsAndVecs()函数、自定义角点检测器_harris

程序代码：

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace cv;
using namespace std;const char* harris_win = "Custom Harris Corners Detector";
Mat src, gray_src;
Mat harris_dst, harrisRspImg;
double harris_min_rsp;// harris 角度响应最小值
double harris_max_rsp;// harris 角度响应最大值
// quality level
int qualityLevel = 30;
int max_count = 100;void CustomHarris_Demo(int, void*);int main(int argc, char** argv) {src = imread("E:/Experiment/OpenCV/Pictures/cornerHarrisTest.jpg");if (src.empty()) {printf("could not load image...\n");return -1;}namedWindow("input image", CV_WINDOW_AUTOSIZE);namedWindow(harris_win, CV_WINDOW_AUTOSIZE);imshow("input image", src);cvtColor(src, gray_src, COLOR_BGR2GRAY);// 计算特征值 eigon values λ1 λ2int blockSize = 3;// blockSize取2或取3，会导致计算出来的角度响应的最大最小值不一样，下面的阈值需要适当调整int ksize = 3;double k = 0.04;harris_dst = Mat::zeros(src.size(), CV_32FC(6));// 深度为 CV_32F 通道数为6 ，通道数不一定要6 大于等于2就行harrisRspImg = Mat::zeros(src.size(), CV_32FC1);cornerEigenValsAndVecs(gray_src, harris_dst, blockSize, ksize, 4);// 计算 λ1 λ2// 计算角度响应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]; // λ1double lambda2 = harris_dst.at<Vec6f>(row, col)[1]; // λ2// harris角度响应计算，公式 R = det(M) - k*(trace(M))^2,  det(M)=λ1*λ2, trace(M)=λ1+λ2harrisRspImg.at<float>(row, col) = lambda1*lambda2 - k*pow((lambda1 + lambda2), 2);}}//寻找harrisRspImg中角度响应最大值，最小值，及它们所在的位置，位置参数传0表示不管minMaxLoc(harrisRspImg, &harris_min_rsp, &harris_max_rsp, 0, 0, Mat());printf("harris_min_rsp=%f, harris_max_rsp=%f\n", harris_min_rsp, harris_max_rsp); //harris_min_rsp=-0.016178, harris_max_rsp=0.047225createTrackbar("harris thresh:", harris_win, &qualityLevel, max_count, CustomHarris_Demo);CustomHarris_Demo(0, 0);waitKey(0);return 0;
}void CustomHarris_Demo(int, void*) {// 自定义harris角点检测，与harris函数计算的结果差不多if (qualityLevel < 10) {qualityLevel = 10;}Mat resultImg = src.clone(); // 完全拷贝//定义阈值， 以 thresh_v_harris / thresh_max_harris 的比例显示角点float t = harris_min_rsp + (((double)qualityLevel) / max_count)*(harris_max_rsp - harris_min_rsp);for (int row = 0; row < src.rows; row++) {for (int col = 0; col < src.cols; col++) {float v = harrisRspImg.at<float>(row, col);if (v > t) {// 角度响应大于阈值，在当前位置显示出来，当角度响应阈值设的很低时，因为绘制的多，所以绘制速度会很慢circle(resultImg, Point(col, row), 2, Scalar(0, 0, 255), 2, 8, 0);}}}imshow(harris_win, resultImg);
}

运行截图：

2. cornerMinEigenVal()函数、自定义角点检测器_ShiTomasi

程序代码

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace cv;
using namespace std;const char* shitomasi_win = "Custom Shi-Tomasi Corners Detector";
Mat src, gray_src, shiTomasiRsp;
double shitomasi_min_rsp;// tomasi 角度响应最小值
double shitomasi_max_rsp;// tomasi 角度响应最大值
int sm_qualitylevel = 30;
int max_count = 100;void CustomShiTomasi_Demo(int, void*);int main(int argc, char** argv) {src = imread("E:/Experiment/OpenCV/Pictures/ShiTomasiTest.jpg");if (src.empty()) {printf("could not load image...\n");return -1;}namedWindow("input image", CV_WINDOW_AUTOSIZE);namedWindow(shitomasi_win, CV_WINDOW_AUTOSIZE);imshow("input image", src);cvtColor(src, gray_src, COLOR_BGR2GRAY);// 计算特征值int blockSize = 3;int ksize = 3;double k = 0.04;shiTomasiRsp = Mat::zeros(src.size(), CV_32FC1);//计算最小特征值，即ShiTomasi角度响应值 R = min(λ1, λ2)cornerMinEigenVal(gray_src, shiTomasiRsp, blockSize, ksize, BORDER_DEFAULT);minMaxLoc(shiTomasiRsp, &shitomasi_min_rsp, &shitomasi_max_rsp, 0, 0, Mat());//寻找tomasiRspImg中角度响应最大值，最小值，及它们所在的位置，位置参数传0表示不管printf("tomasi_min_rsp=%f, tomasi_max_rsp=%f\n", shitomasi_min_rsp, shitomasi_max_rsp);//tomasi_min_rsp=-0.000000, tomasi_max_rsp=0.192643createTrackbar("Quality:", shitomasi_win, &sm_qualitylevel, max_count, CustomShiTomasi_Demo);CustomShiTomasi_Demo(0, 0);waitKey(0);return 0;
}void CustomShiTomasi_Demo(int, void*) {if (sm_qualitylevel < 20) {sm_qualitylevel = 20;}Mat resultImg = src.clone();//定义阈值， 以 thresh_v_tomasi / thresh_max_tomasi 的比例显示角点float t = shitomasi_min_rsp + (((double)sm_qualitylevel) / max_count)*(shitomasi_max_rsp - shitomasi_min_rsp);for (int row = 0; row < src.rows; row++) {for (int col = 0; col < src.cols; col++) {float v = shiTomasiRsp.at<float>(row, col);// shiTomasi角点检测出的角度响应值有很多为0，所以减少了circle绘制，所以程序速度比harris要快if (v > t) {circle(resultImg, Point(col, row), 2, Scalar(0, 0, 255), 2, 8, 0);}}}imshow(shitomasi_win, resultImg);
}

运行截图

参考博客

https://blog.csdn.net/weixin_41695564/article/details/79979784

https://www.cnblogs.com/long5683/p/9692969.html

https://blog.csdn.net/huanghuangjin/article/details/81263320

https://blog.csdn.net/huanghuangjin/article/details/81263778

OpenCV-特征提取与检测（03、自定义角点检测器）相关推荐

OpenCV + CPP 系列（卅三）图像特征提取（Harris角点检测、Shi-Tomasi角点检测、自定义角点检测）
文章目录一.常用图像特征描述二.Harris角点检测演示Harris角点检测三.Shi-Tomasi角点检测四.自定义角点检测器一.常用图像特征描述 SIFT.SURF.HOG.Haar. ...
人脸检测实战进阶：使用 OpenCV 进行活体检测
使用 OpenCV 进行活体检测在本篇博文中,您将学习如何使用 OpenCV 执行活体检测.您将创建一个活体检测器,该检测器能够在人脸识别系统中发现假人脸并执行反人脸欺骗. 在教程的第一部分,我们将 ...
OpenCV + CPP 系列（卅四）图像特征提取（亚像素级别角点检测）
文章目录亚像素级别角点检测演示像素坐标检测亚像素级别角点检测亚像素:在生成数字图像处理时(拍照等)我们是将物理世界中连续的图像进行了离散化处理.现实世界中颜色为连续的且有无数种类,成像到像素面 ...
OpenCV中检测ChArUco的角点（2）
论文阅读模块将分享点云处理,SLAM,三维视觉,高精地图相关的文章.公众号致力于理解三维视觉领域相关内容的干货分享,欢迎各位加入我,我们一起每天一篇文章阅读,开启分享之旅,有兴趣的可联系微信diany ...
OpenCV角点检测之Harris角点检测
本篇文章中,我们一起探讨了OpenCV中Harris角点检测相关的知识点,学习了OpenCV中实现Harris角点检测的cornerHarris函数的使用方法.此博文一共有两个配套的麻雀虽小但五脏俱全 ...
OpenCV之feature2d 模块. 2D特征框架（1）Harris 角点检测子 Shi-Tomasi角点检测子定制化创建角点检测子亚像素级的角点检测特征点检测
Harris 角点检测子目标本教程中我们将涉及: 有哪些特征?它们有什么用? 使用函数 cornerHarris 通过 Harris-Stephens方法检测角点. 理论有哪些特征? 在计算机视 ...
OpenCV与图像处理学习十三——Harris角点检测（含代码）
OpenCV与图像处理学习十三--Harris角点检测(含代码) 一.角点的概念二.Harris角点检测的实现过程三.Harris代码应用一.角点的概念角点: 在现实世界中, 角点对应于物体的 ...
【OpenCV 学习笔记】第二十章: 角点检测之：harris算法以及Shi-Tomasi算法
第二十章: 角点检测之:harris算法以及Shi-Tomasi算法一张图像,我们可以用很多方法去处理它,就会得到很多不同的特征.比如基于梯度方法我们就能得到图像的边缘特征:比如基于直方图我们就得到 ...
OpenCV —— 角点检测之 Harris 角点检测、Shi-Tomasi 角点检测、FAST 角点检测
角点检测 Harris 角点检测实现原理 OpenCV 函数优化 Shi-Tomasi 角点检测实现原理 OpenCV 函数 FAST 角点检测实现原理 OpenCV 函数优化在图像处理和 ...
OpenCV入门学习笔记之Harris角点检测与SIFT特征匹配算法
1. 写在前面这篇文章整理两个图像处理中非常重要的算法,一个是Harris角点检测算法,另一个是SIFT特征匹配算法,这两个算法本质上还是去找图像里面的关键特征点,帮助我们后续更好的理解图像以及做各 ...

OpenCV-特征提取与检测（03、自定义角点检测器）

前言：

自定义角点检测器

相关API说明

1. cornerEigenValsAndVecs()函数、自定义角点检测器_harris

程序代码：

运行截图：

2. cornerMinEigenVal()函数、自定义角点检测器_ShiTomasi

程序代码

运行截图

参考博客

OpenCV-特征提取与检测（03、自定义角点检测器）相关推荐

最新文章

热门文章