【opencv】goodFeaturesToTrack源码分析-1
来源:互联网 发布:手机淘宝不出菜鸟驿站 编辑:程序博客网 时间:2024/06/05 15:15
本系列文章为goodFeaturesToTrack源码分析,包括:
【opencv】goodFeaturesToTrack源码分析-1
【opencv】goodFeaturesToTrack源码分析-2-Shi-Tomasi角点检测
本文主要描述opencv中强角点检测接口goodFeaturesToTrack的用途及源码分析。
1、接口描述
在opencv中,该接口的实现是在:
..\sources\modules\imgproc\src\Featureselect.cpp 中。
void cv::goodFeaturesToTrack( InputArray _image,OutputArray _corners,int maxCorners, double qualityLevel, double minDistance,InputArray _mask, int blockSize,bool useHarrisDetector, double harrisK )
输入参数:
InputArray _image:输入的图像,InputArray类型一般为Mat;
int maxCorners:可检测的角点的最大值
double qualityLevel:角点特征值的门限,高于(该门限*特征值)最大值才认为是角点。
double minDistance:角点间最小间距
InputArray _mask:掩码,用于设置不处理的区域
int blockSize:处理的窗口大小
bool useHarrisDetector:是否使用harris角点检测
double harrisK:harris角点检测参数
输出参数:
OutputArray _corners:输出的角点,OutputArray类型一般为Mat;
2、具体实例
在配置好opencv环境之后,新建工程,以下为源码程序,读取lena.png并且检测强角点。可以修改minDis的值,看看具体有什么变化。
#include <opencv2\opencv.hpp>using namespace cv;int main(){ Mat image =imread("D:\\testData\\lena.png"); Mat img; int minDis =10; cvtColor(image,img,CV_BGR2GRAY); std::vector<Point2f> corner; goodFeaturesToTrack(img,corner,500,0.04,minDis,Mat(),3,false,0); for(int i=0;i<corner.size();i++){ circle(image,Point(corner.at(i).x,corner.at(i).y),3,Scalar(255,255,0)); } imshow("1",image); waitKey(5000); return 0;}
以下为minDis =10以及20的图像。
可以看到,minDis=20之后,角点的数量明显减少,角点间距均大于等于20
3、源码分析
void cv::goodFeaturesToTrack( InputArray _image, OutputArray _corners,int maxCorners, double qualityLevel, double minDistance,InputArray _mask, int blockSize,bool useHarrisDetector, double harrisK ){ ...// 计算特征值 if( useHarrisDetector ) cornerHarris( image, eig, blockSize, 3, harrisK ); else cornerMinEigenVal( image, eig, blockSize, 3 ); ...// 特征值处理,去除不符合门限的特征点及局部最优点 double maxVal = 0; minMaxLoc( eig, 0, &maxVal, 0, 0, _mask ); threshold( eig, eig, maxVal*qualityLevel, 0, THRESH_TOZERO ); dilate( eig, tmp, Mat()); ...//根据特征点之间的距离限制,筛选特征点 if (minDistance >= 1) { ... }//输出corners Mat(corners).convertTo(_corners, _corners.fixedType() ? _corners.type() : CV_32F);}
在函数内部,大体的处理流程如下:
1)角点检测。可以通过harris或者shi-tomasi算法检测角点,获得eig特征值集合。
2)非极大值抑制。低于qualityLevel*特征值最大值的特征值被滤除;并且通过与膨胀后的特征值进行对比,局部最大值也会被滤除。
3)距离检测。挑选出符合距离要求的特征点。
后续将按照goodFeatureToTrack代码流程,分析各个算法具体实现。
- 【opencv】goodFeaturesToTrack源码分析-1
- 【opencv】goodFeaturesToTrack源码分析-2-Shi-Tomasi角点检测
- [opencv]goodFeaturesToTrack函数详细注释
- OpenCV watershed 源码分析
- Opencv--Hog源码分析
- opencv源码分析:cvCreateTreeCascadeClassifier
- opencv AutoBuffer源码分析
- opencv Ptr源码分析
- opencv--cvThreshold源码分析
- opencv源码分析
- Opencv源码分析
- Opencv源码分析HoughCircles
- 【源码分析】Opencv-免装OpenCV Manager
- opencV源码分析之HOG
- opencv源码分析:icvGetTrainingDataCallback简介
- opencv中featureselect源码分析
- (OpenCV)HOG源码分析
- 【OpenCV源码分析】core-Algorithm
- bzoj 1878: [SDOI2009]HH的项链(莫队算法)
- JavaScript事件响应
- JVM调优总结-典型配置举例1
- 杭州--4.20
- MSP430之如何降低系统功耗1
- 【opencv】goodFeaturesToTrack源码分析-1
- poj 1925(坐标上的dp)
- mapview中引入 TILEINFO结构体,忘记写#pragma pack(1)字节对齐,差点搞死。。。
- leecode Maximum Depth of Binary Tree
- java初学者自查(一)父类中私有变量子类是否能够继承
- fgets的理解
- 拓展欧几里得/乘法逆元
- 最小生成树之Kruskal---POJ1258---Agri-Net
- CSS: IE中的hasLayout(转自blueidea.com)