opencv代碼實現(xiàn) - opencv角點檢測原理詳解

　　opencv代碼實現(xiàn)

　　harris類

　　#ifndef HARRIS_H

　　#define HARRIS_H

　　#include “opencv2/opencv.hpp”

　　class harris

　　{

　　private：

　　cv：：Mat cornerStrength; //opencv harris函數(shù)檢測結(jié)果，也就是每個像素的角點響應(yīng)函數(shù)值

　　cv：：Mat cornerTh; //cornerStrength閾值化的結(jié)果

　　cv：：Mat localMax; //局部最大值結(jié)果

　　int neighbourhood; //鄰域窗口大小

　　int aperture;//sobel邊緣檢測窗口大?。╯obel獲取各像素點x，y方向的灰度導(dǎo)數(shù)）

　　double k;

　　double maxStrength;//角點響應(yīng)函數(shù)最大值

　　double threshold;//閾值除去響應(yīng)小的值

　　int nonMaxSize;//這里采用默認的3，就是最大值抑制的鄰域窗口大小

　　cv：：Mat kernel;//最大值抑制的核，這里也就是膨脹用到的核

　　public：

　　harris（）：neighbourhood（3），aperture（3），k（0.01），maxStrength（0.0），threshold（0.01），nonMaxSize（3）{

　　};

　　void setLocalMaxWindowsize（int nonMaxSize）{

　　this-》nonMaxSize = nonMaxSize;

　　};

　　//計算角點響應(yīng)函數(shù)以及非最大值抑制

　　void detect（const cv：：Mat &image）{

　　//opencv自帶的角點響應(yīng)函數(shù)計算函數(shù)

　　cv：：cornerHarris （image，cornerStrength，neighbourhood，aperture，k）;

　　double minStrength;

　　//計算最大最小響應(yīng)值

　　cv：：minMaxLoc （cornerStrength，&minStrength，&maxStrength）;

　　cv：：Mat dilated;

　　//默認3*3核膨脹，膨脹之后，除了局部最大值點和原來相同，其它非局部最大值點被

　　//3*3鄰域內(nèi)的最大值點取代

　　cv：：dilate （cornerStrength，dilated，cv：：Mat（））;

　　//與原圖相比，只剩下和原圖值相同的點，這些點都是局部最大值點，保存到localMax

　　cv：：compare（cornerStrength，dilated，localMax，cv：：CMP_EQ）;

　　}

　　//獲取角點圖

　　cv：：Mat getCornerMap（double qualityLevel） {

　　cv：：Mat cornerMap;

　　// 根據(jù)角點響應(yīng)最大值計算閾值

　　threshold= qualityLevel*maxStrength;

　　cv：：threshold（cornerStrength，cornerTh，

　　threshold，255，cv：：THRESH_BINARY）;

　　// 轉(zhuǎn)為8-bit圖

　　cornerTh.convertTo（cornerMap，CV_8U）;

　　// 和局部最大值圖與，剩下角點局部最大值圖，即：完成非最大值抑制

　　cv：：bitwise_and（cornerMap，localMax，cornerMap）;

　　return cornerMap;

　　}

　　void getCorners（std：：vector《cv：：Point》 &points，

　　double qualityLevel） {

　　//獲取角點圖

　　cv：：Mat cornerMap= getCornerMap（qualityLevel）;

　　// 獲取角點

　　getCorners（points， cornerMap）;

　　}

　　// 遍歷全圖，獲得角點

　　void getCorners（std：：vector《cv：：Point》 &points，

　　const cv：：Mat& cornerMap） {

　　for（ int y = 0; y 《 cornerMap.rows; y++ ） {

　　const uchar* rowPtr = cornerMap.ptr《uchar》（y）;

　　for（ int x = 0; x 《 cornerMap.cols; x++ ） {

　　// 非零點就是角點

　　if （rowPtr［x］） {

　　points.push_back（cv：：Point（x，y））;

　　}

　　}

　　}

　　}

　　//用圈圈標記角點

　　void drawOnImage（cv：：Mat &image，

　　const std：：vector《cv：：Point》 &points，

　　cv：：Scalar color= cv：：Scalar（255，255，255），

　　int radius=3， int thickness=2） {

　　std：：vector《cv：：Point》：：const_iterator it=points.begin（）;

　　while （it！=points.end（）） {

　　// 角點處畫圈

　　cv：：circle（image，*it，radius，color，thickness）;

　　++it;

　　}

　　}

　　};

　　#endif // HARRIS_H

　　相關(guān)測試代碼：

　　cv：：Mat image， image1 = cv：：imread （“test.jpg”）;

　　//灰度變換

　　cv：：cvtColor （image1，image，CV_BGR2GRAY）;

　　// 經(jīng)典的harris角點方法

　　harris Harris;

　　// 計算角點

　　Harris.detect（image）;

　　//獲得角點

　　std：：vector《cv：：Point》 pts;

　　Harris.getCorners（pts，0.01）;

　　// 標記角點

　　Harris.drawOnImage（image，pts）;

　　cv：：namedWindow （“harris”）;

　　cv：：imshow （“harris”，image）;

　　cv：：waitKey （0）;

　　return 0;

　　相關(guān)測試結(jié)果：