OpenCv专栏:https://blog.csdn.net/qq_40515692/article/details/102885061
以下代码均在VS配置的OpenCv3上运行成功,不需要其他额外配置。
使用关键点对目标进行识别是常用的方法。一般需要经过核心关键点检测、关键点过滤、匹配方法、结果显示等步骤。
具体可以参考opencv的官方文档:
和《学习OpenCv3》第十六章-关键点和描述子
(1).首先是核心关键点检测:角点检测Shi-Tomasi算法,它是Harris算法的改进。实际使用时记得改下图片的读取路径。
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc.hpp>
#include <vector>
using namespace std;
using namespace cv;
Mat g_src, g_gray;
int g_num;
void fun(int, void*)
{
vector<Point2f> corners;
Mat copy = g_src.clone();
//角点检测Shi-Tomasi算法,Harris算法的改进
goodFeaturesToTrack(g_gray, corners, g_num, 0.01, 10, Mat(), 3, false, 0.04);
RNG rng(12345);//随机数产生器
for (unsigned int i = 0; i < corners.size(); i++)
{
//thickness = -1
// 如果是正数,表示组成圆的线条的粗细程度。 否则, 表示圆是否被填充
circle(copy, corners[i], 4, Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)), -1);
}
imshow("角点检测", copy);
}
int main()
{
// 注意更改图片位置
g_src = imread("C:\\Users\\ttp\\Desktop\\5.jpg", 1);
cvtColor(g_src, g_gray, COLOR_BGR2GRAY);
namedWindow("角点检测", WINDOW_AUTOSIZE);
createTrackbar("最大角点数", "角点检测", &g_num, 500, fun);
imshow("角点检测", g_src);
waitKey(0);
return 0;
}
(2).OpenCv一般如何处理关键点和描述符的?
cv::KeyPoint——关键点
cv::Feature2D——找到关键点或计算描述符的抽象类,如下面的FastFeatureDetector即派生于Feature2D,定义了detect、compute、detectAndCompute等方法
然后这里给一个核心关键点检测:FAST算法的特征检测。实际使用时记得改下图片的读取路径。
#include "opencv2/opencv.hpp"
#include<opencv2/features2d.hpp>
using namespace cv;
int thre = 40;
Mat src;
void trackBar(int, void*)
{
std::vector<KeyPoint> keypoints;
Mat dst = src.clone();
//Ptr智能指针
/*
Ptr<FILE> f(fopen("myfile.txt", "w"), fclose);
if(!f) throw ...;
fprintf(f, ....);
...
// the file will be closed automatically by f's destructor.
*/
Ptr<FastFeatureDetector> detector = FastFeatureDetector::create(thre);
detector->detect(src, keypoints);
drawKeypoints(dst, keypoints, dst, Scalar::all(-1), DrawMatchesFlags::DRAW_OVER_OUTIMG);
imshow("output", dst);
}
int main(int argc, char** argv)
{
// 注意更改文件位置
src = imread("C:\\Users\\ttp\\Desktop\\5.jpg");
if (src.empty())
{
printf("can not load image \n");
return -1;
}
namedWindow("input", WINDOW_AUTOSIZE);
imshow("input", src);
namedWindow("output", WINDOW_AUTOSIZE);
createTrackbar("threshould", "output", &thre, 255, trackBar);
cvWaitKey(0);
return 0;
}
(3).OpenCv一般如何处理关键点和描述符的?
cv::KeyPoint——关键点
cv::Feature2D——找到关键点或计算描述符的抽象类,如上面的FastFeatureDetector即派生于Feature2D,定义了detect、compute、detectAndCompute等方法
上面介绍的主要是查找角点、关键点,除此之外我们还需要下面这些步骤。
cv::DMatch——匹配器
cv::DescriptorMatcher——关键点匹配的抽象类,在下一节我们将在代码中具体使用它们。