92.角点与特征点介绍

目录

        1 角点概念

         2 关键点概念

        3 关键点的绘制函数drawKeypoints()

         4 用c++编写代码实现

        1 角点概念

        角点是图像中具有明显变化的位置，例如像素值的最大最小点、线段的顶点、孤立的边缘点等。一般有以下几种：

        1、灰度梯度的最大值对应的像素点；

        2、两条直线或者多条直线的交点；

        3、两条曲线或者多条曲线的交点；

        4、一阶梯度导数的最大值和梯度方向变化率最大的像素点；

        5、一阶导数最大值，但二阶导数为0的点。

        以下是一些常见的角点检测方法和相关概念：

1. Harris 角点检测：Harris 角点检测是最早提出的角点检测算法之一。它通过计算图像中每个像素的灰度值的变化率，并结合窗口内的梯度信息，来判断该像素是否为角点。

2. Shi-Tomasi 角点检测：Shi-Tomasi 角点检测是对 Harris 角点检测的改进。它引入了一个角点响应度函数，在选择关键点时根据响应度进行排序，选择最大的响应度作为关键点。

3. FAST 角点检测：FAST（Features from Accelerated Segment Test）角点检测算法是一种高速的角点检测方法。它通过在像素周围的圆形邻域内进行像素值比较，来判断该像素是否为角点。

4. AGAST 角点检测：AGAST（Adaptive and Generic Accelerated Segment Test）是对 FAST 角点检测算法的改进版本。它采用了自适应的方式来选择像素点，并加入了灰度权重，使得检测结果更稳定。

        这些方法都是常用的角点检测算法，每种方法都有其特点和适用场景。在实际应用中，可以根据需求选择适合的角点检测算法来提取图像中的角点信息。

         2 关键点概念

        图像中的关键点指的是图像中具有显著性、重要性或独特性的位置或特征。这些关键点通常是图像中某个物体的边缘、角点、纹理等特征点，可以用来描述和表征图像中的局部结构。

        3 关键点的绘制函数drawKeypoints()

        drawKeypoints()函数是OpenCV库中用于在图像上绘制关键点的函数。它可以帮助我们可视化和分析检测到的关键点。

        下面是drawKeypoints()函数在C++中的详细介绍：

void drawKeypoints(const Mat& image, const vector<KeyPoint>& keypoints,
 Mat& outImage, const Scalar& color = Scalar::all(-1), 
int flags = DrawMatchesFlags::DEFAULT )

参数说明：

image：输入图像，即要绘制关键点的图像。

keypoints：关键点向量，包含了检测到的关键点信息。

outImage：输出图像，在输入图像上绘制关键点后的结果图像。

color：关键点的颜色，默认为Scalar::all(-1)，表示随机颜色。

flags：绘制标志，用于设置绘制关键点的方式和样式，默认值为DrawMatchesFlags::DEFAULT。
    DrawMatchesFlags::DEFAULT：默认方式，不进行特殊标记。
    DrawMatchesFlags::DRAW_OVER_OUTIMG：在输出图像上绘制关键点，而不是在输入图像上绘制。
    DrawMatchesFlags::DRAW_RICH_KEYPOINTS：绘制更丰富的关键点信息，例如显示关键点的方向和大小。
    DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS：不绘制单个的关键点。

        在绘制关键点的函数drawKeypoints的第二个参数为KeyPoints类。在OpenCV中，KeyPoint类用于表示图像中的关键点。下面是KeyPoint类的C++介绍：

class KeyPoint
{public:
    // 构造函数
    KeyPoint();
    KeyPoint(float x, float y, float size, float angle = -1, float response = 0, int octave = 0, int class_id = -1);

    // 成员变量
    float pt.x;            // 关键点的x坐标
    float pt.y;            // 关键点的y坐标
    float size;            // 关键点的尺度大小
    float angle;           // 关键点的方向角度
    float response;        // 关键点的响应强度
    int octave;            // 关键点所在的金字塔层级
    int class_id;          // 关键点的类别标识符
};
KeyPoint类包含了以下成员变量：
pt.x和pt.y：关键点的二维坐标（x，y）。
size：关键点的尺度大小。
angle：关键点的方向角度。
response：关键点的响应强度。
octave：关键点所在的金字塔层级。
class_id：关键点的类别标识符。

         4 用c++编写代码实现

        下面是使用C++编写的drawKeypoints()函数的示例代码：

#include <opencv2/opencv.hpp>
#include<iostream>


cv::RNG rng(10000);
int main()
{
    cv::Mat image = cv::imread("lena.png"); // 读取图像，注意替换为你自己的图像路径

    std::vector<cv::KeyPoint> keypoints; // 关键点容器
    // 假设这里有一些方法检测到了关键点，并将其存储在keypoints中


    for (int i = 0; i < 50; i++)
    {
        cv::KeyPoint keypoint;
        keypoint.pt.x = rng.uniform(0, image.cols - 1);
        keypoint.pt.y = rng.uniform(0, image.rows - 1);
        keypoints.push_back(keypoint);
    }

    cv::Mat output;
    cv::Scalar color(0, 255, 0); // 绘制关键点的颜色，这里使用绿色

    // 在图像上绘制关键点
    cv::drawKeypoints(image, keypoints, output, color, cv::DrawMatchesFlags::DEFAULT);

    cv::imshow("input", image); // 显示结果图像
    cv::imshow("Output", output); // 显示结果图像
    cv::waitKey(0);

    return 0;
}