TA的每日心情 | 奋斗 2022-10-13 10:27 |
---|
签到天数: 216 天 连续签到: 1 天 [LV.7]常住居民III
|
在利用DragonBoard 410c来实现图像角点检测前,先要了解下什么事角点检测。“如果某一点在任意方向的一个微小变动都会引起灰度很大的变化,那么我们就把它称之为角点”
角点检测(Corner Detection)是计算机视觉系统中用来获得图像特征的一种方法,广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域中。也称为特征点检测。我们知道,特征检测与匹配是计算机视觉应用中非常重要的一部分,这需要寻找图像之间的特征建立对应关系。图像中的点作为图像的特殊位置,是很常用的一类特征,点的局部特征也可以叫做“关键特征点”(keypoint feature),或“兴趣点”(interest point),或“角点”(conrner)。(这里引用网络解释)
关于角点的具体描述可以有几种:
- 一阶导数(即灰度的梯度)的局部最大所对应的像素点;
- 两条及两条以上边缘的交点;
- 图像中梯度值和梯度方向的变化速率都很高的点;
- 角点处的一阶导数最大,二阶导数为零,指示物体边缘变化不连续的方向。
说了这么多,看一张图或许会更好理解些:
左边是原始图片,中间是用圆圈标注的角点,最右边为出来后显示出来的点。观察仔细的话会发现两种图片的不同,这里可以看到第二张图片上面的滑动条,这里是控制角点检测中的阈值,来实现检测严格度的控制,下面给出源码如下:
#include <opencv2/opencv.hpp>#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"using namespace cv;using namespace std;#define WINDOW_NAME1 "windows1" //为窗口标题定义的宏 #define WINDOW_NAME2 "windows2" //为窗口标题定义的宏 Mat g_srcImage, g_srcImage1,g_grayImage;int thresh = 30; //当前阈值int max_thresh = 175; //最大阈值void on_CornerHarris( int, void* );//回调函数static void ShowHelpText();int main( int argc, char** argv ){ g_srcImage = imread( "1.jpg", 1 ); if(!g_srcImage.data ) { printf("read picture error ! \n"); return false; } imshow("original_pic",g_srcImage); g_srcImage1=g_srcImage.clone( ); cvtColor( g_srcImage1, g_grayImage, CV_BGR2GRAY ); //创建窗口和滚动条 namedWindow( WINDOW_NAME1, CV_WINDOW_AUTOSIZE ); createTrackbar( "Threshold: ", WINDOW_NAME1, &thresh, max_thresh, on_CornerHarris ); on_CornerHarris( 0, 0 ); waitKey(0); return(0);}void on_CornerHarris( int, void* ){ Mat dstImage;//目标图 Mat normImage;//归一化后的图 Mat scaledImage;//线性变换后的八位无符号整型的图 //置零当前需要显示的两幅图,即清除上一次调用此函数时他们的值 dstImage = Mat::zeros( g_srcImage.size(), CV_32FC1 ); g_srcImage1=g_srcImage.clone( ); //进行角点检测 cornerHarris( g_grayImage, dstImage, 2, 3, 0.04, BORDER_DEFAULT ); // 归一化与转换 normalize( dstImage, normImage, 0, 255, NORM_MINMAX, CV_32FC1, Mat() ); convertScaleAbs( normImage, scaledImage );//将归一化后的图线性变换成8位无符号整型 for( int j = 0; j < normImage.rows ; j++ ) { for( int i = 0; i < normImage.cols; i++ ) { if( (int) normImage.at<float>(j,i) > thresh+80 ) { circle( g_srcImage1, Point( i, j ), 5, Scalar(10,10,255), 2, 8, 0 ); circle( scaledImage, Point( i, j ), 5, Scalar(0,10,255), 2, 8, 0 ); } } } imshow( WINDOW_NAME1, g_srcImage1 ); imshow( WINDOW_NAME2, scaledImage );} 这里代码稍微有点多,不过我们主要看cornerHarris 函数,它这才是用于在OpenCV中运行Harris角点检测算子处理图像函数。和cornerMinEigenVal( )以及cornerEigenValsAndVecs( )函数类似,cornerHarris 函数对于每一个像素(x,y)在邻域内,计算2x2梯度的协方差矩阵,式子就不给了,设计数学问题太多,主要会用就行。我们看看其函数原型和参数
void cornerHarris(InputArray src,OutputArray dst, int blockSize, int ksize, double k, intborderType=BORDER_DEFAULT )
- 第一个参数,InputArray类型的src,输入图像,即源图像,填Mat类的对象即可,且需为单通道8位或者浮点型图像。
- 第二个参数,OutputArray类型的dst,函数调用后的运算结果存在这里,即这个参数用于存放Harris角点检测的输出结果,和源图片有一样的尺寸和类型。
- 第三个参数,int类型的blockSize,表示邻域的大小,更多的详细信息在cornerEigenValsAndVecs()中有讲到。
- 第四个参数,int类型的ksize,表示Sobel()算子的孔径大小。
- 第五个参数,double类型的k,Harris参数。
- 第六个参数,int类型的borderType,图像像素的边界模式,注意它有默认值BORDER_DEFAULT。更详细的解释,参考borderInterpolate( )函数。
总结:
OpenCV封装好了很多算法实现的接口函数,如果研究算法的话,必然要深入研究,这里只是做一个简单的使用说明案例。一般在实际图像处理中,我们修改相关参数即可。 |
|