亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

OpenCV圖像特征提取之Shi-Tomasi角點(diǎn)檢測(cè)算法詳解

 更新時(shí)間:2022年09月16日 09:07:10   作者:肖愛(ài)Kun  
Harris角點(diǎn)檢測(cè)算法就是對(duì)角點(diǎn)響應(yīng)函數(shù)R進(jìn)行閾值處理,Shi-Tomasi原理幾乎和Harris一樣的,只不過(guò)最后計(jì)算角點(diǎn)響應(yīng)的公式發(fā)生了變化。本文將和大家詳細(xì)說(shuō)說(shuō)Shi-Tomasi角點(diǎn)檢測(cè)算法的原理與實(shí)現(xiàn),需要的可以參考一下

一.Shi-Tomasi 角點(diǎn)檢測(cè)算法

Harris角點(diǎn)檢測(cè)基本數(shù)學(xué)公式如下:  

泰勒公式進(jìn)行展開(kāi)后,近似為:

對(duì)于局部微小的移動(dòng)量[u,v],可以近似得到下面的表達(dá):

其中M為2*2的矩陣,可由圖像的導(dǎo)數(shù)求得:

矩陣M,將其對(duì)角化之后 ,特征值λ1, λ2 分別代表了X 和Y 方向的灰度變化率.

E(u,v)的橢圓形式如下:

Harris角點(diǎn)檢測(cè)算法的角點(diǎn)響應(yīng)函數(shù)為:

Harris角點(diǎn)檢測(cè)算法就是對(duì)角點(diǎn)響應(yīng)函數(shù)R進(jìn)行閾值處理:R > threshold,即提取R的局部極大值。shi-Tomasi 算法是基于Harris 算法進(jìn)行的改進(jìn),Harris算法最基礎(chǔ)的數(shù)學(xué)定義是將矩陣 M 的行列式值與矩陣 M 的跡相減,再將差值與預(yù)先給定的閾值進(jìn)行比較。若兩個(gè)特征值中較小的一個(gè)大于最小閾值,則會(huì)得到強(qiáng)角點(diǎn),這就是Shi-Tomasi角點(diǎn)檢測(cè)算法。

Shi-Tomasi角點(diǎn)檢測(cè)算法的角點(diǎn)響應(yīng)函數(shù)為:

Shi-tomasi角點(diǎn)檢測(cè) 和Harris 算法一樣,如果該分?jǐn)?shù)大于設(shè)定的閾值,我們就認(rèn)為它是一個(gè)角點(diǎn)。可以看出來(lái)只有當(dāng) λ1 和 λ 2 都大于最小值時(shí),才被認(rèn)為是角點(diǎn),即下圖中的紫色區(qū)域。

二.Shi-Tomasi角點(diǎn)檢測(cè)API函數(shù)接口

void goodFeaturesToTrack
(            InputArray image, 
             OutputArray corners,
             int maxCorners, 
             double qualityLevel, 
             double minDistance,
             InputArray mask=noArray(), 
             int blockSize=3,
             bool useHarrisDetector=false, 
             double k=0.04 );

參數(shù)說(shuō)明:

第一個(gè)參數(shù)image:輸入圖像,8位或浮點(diǎn)32比特,單通道圖像;

第二個(gè)參數(shù)corners:輸出參數(shù),檢測(cè)到的角點(diǎn);表示返回角點(diǎn)的數(shù)目,如果檢測(cè)出來(lái)角點(diǎn)數(shù)目大于最大數(shù)目則返回響應(yīng)值最強(qiáng)前規(guī)定數(shù)目;

第三個(gè)參數(shù)corner_count:輸出參數(shù),檢測(cè)到的角點(diǎn)數(shù)目;

第四個(gè)參數(shù)quality_level:最大最小特征值的乘法因子。定義可接受圖像角點(diǎn)的最小質(zhì)量因子;

第五個(gè)參數(shù)min_distance:限制因子。得到的角點(diǎn)的最小距離;使用 Euclidian 距離;

第六個(gè)參數(shù)mask:ROI感興趣區(qū)域。函數(shù)在ROI中計(jì)算角點(diǎn);如果 mask 為 NULL,則選擇整個(gè)圖像;

第七個(gè)參數(shù)block_size: 是計(jì)算導(dǎo)數(shù)的自相關(guān)矩陣時(shí)指定點(diǎn)的領(lǐng)域,采用小窗口計(jì)算的結(jié)果比單點(diǎn) (也就是block_size為1)計(jì)算的結(jié)果要好;

第八個(gè)參數(shù)useHarrisDetector:當(dāng)use_harris的值為非0,則函數(shù)使用Harris的角點(diǎn)定義;若為 0,則使用Shi-Tomasi的定義;

第九個(gè)參數(shù)K:用于設(shè)置Hessian自相關(guān)矩陣即對(duì)Hessian行列式的相對(duì)權(quán)重的權(quán)重系數(shù);

代碼實(shí)現(xiàn)

#include"stdafx.h"
#include <opencv2/opencv.hpp>
#include <iostream>
 
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
 
using namespace cv;
using namespace std;
 
#define WIN_NAME "Shi-Tomasi角點(diǎn)檢測(cè)"
 
Mat srcImage, grayImage;
int maxCornerNumber = 33;
int maxTrackbarNumber = 500;
RNG rng(12345);
 
void on_GoodFeatureToTrack(int, void *)
{
    if (maxCornerNumber <= 1)
    {
        maxCornerNumber = 1;
    }
    //Shi-Tomasi參數(shù)準(zhǔn)備
    vector<Point2f> corners;
    double qualityLevel = 0.01; //角點(diǎn)檢測(cè)可以接受的最小特征值
    double minDistance = 10; //角點(diǎn)間的最小像素距離設(shè)置
    int blockSize = 3;  //計(jì)算導(dǎo)數(shù)自相關(guān)矩陣時(shí)指定的領(lǐng)域范圍
    double k = 0.04;   //權(quán)重系數(shù)
 
    Mat copy = srcImage.clone(); //復(fù)制原圖到一個(gè)臨時(shí)變量中,作為感興趣區(qū)域
                                 //Shi-Tomasi Test
    goodFeaturesToTrack(grayImage, corners, maxCornerNumber, qualityLevel, minDistance, Mat(), blockSize, false, k);
 
    //輸出文字信息
    cout << ">此次檢測(cè)到的角點(diǎn)數(shù)量為: " << corners.size() << endl;
 
    //繪制檢測(cè)到的角點(diǎn)
    for (unsigned int i = 0; i < corners.size(); i++)
    {
        circle(copy, corners[i], 5, Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)), -1, 8, 0);
    }
 
    imshow(WIN_NAME, copy);
}
 
int main(int argc, char** argv)
{
    srcImage = imread("F:/photo/lj.jpg");
    cvtColor(srcImage, grayImage, COLOR_BGR2GRAY);
 
    namedWindow(WIN_NAME, WINDOW_AUTOSIZE);
 
    createTrackbar("最大角點(diǎn)數(shù):", WIN_NAME, &maxCornerNumber, maxTrackbarNumber, on_GoodFeatureToTrack);
 
    //imshow(WIN_NAME, srcImage);
 
 
    on_GoodFeatureToTrack(0, 0);
 
 
    waitKey(0);
    return 0;
}

圖像處理效果

到此這篇關(guān)于OpenCV圖像特征提取之Shi-Tomasi角點(diǎn)檢測(cè)算法詳解的文章就介紹到這了,更多相關(guān)OpenCV角點(diǎn)檢測(cè)算法內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

最新評(píng)論