【Opencv测试用例（七）】

最新推荐文章于 2024-07-22 15:08:28 发布
最新推荐文章于 2024-07-22 15:08:28 发布
阅读量128 收藏 1
点赞数
分类专栏： Opencv 文章标签： opencv c++

Opencv测试用例（七）

Chapter09

1、binaryDescriptors.cpp

结果

在这里插入图片描述

测试代码


#include <iostream>
#include <vector>
#include <opencv2/core.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/features2d.hpp>
#include <opencv2/objdetect.hpp>
#include <opencv2/features2d.hpp>

static int test();

int main()
{
	test();
	system("pause");
	return 0;
}

static int test()
{
	// image matching

	// 1. Read input images
	std::string path_church01 = "F:/images/church01.jpg";
	cv::Mat image1 = cv::imread(path_church01, cv::IMREAD_GRAYSCALE);
	std::string path_church02 = "F:/images/church02.jpg";
	cv::Mat image2 = cv::imread(path_church02, cv::IMREAD_GRAYSCALE);

	// 2. Define keypoint vectors and descriptors
	std::vector<cv::KeyPoint> keypoints1;
	std::vector<cv::KeyPoint> keypoints2;
	cv::Mat descriptors1;
	cv::Mat descriptors2;

	// 3. Define feature detector/descriptor
	// Construct the ORB feature object
	cv::Ptr<cv::Feature2D> feature =
		cv::ORB::create(60);
	//   cv::BRISK::create(80);

	// 4. Keypoint detection and description
	// Detect the ORB features
	feature->detectAndCompute(image1, cv::noArray(), keypoints1, descriptors1);
	feature->detectAndCompute(image2, cv::noArray(), keypoints2, descriptors2);

	// Draw feature points
	cv::Mat featureImage;
	cv::drawKeypoints(image1, keypoints1, featureImage, cv::Scalar(255, 255, 255), cv::DrawMatchesFlags::DRAW_RICH_KEYPOINTS);

	// Display the corners
	cv::namedWindow("ORB");
	cv::imshow("ORB", featureImage);

	std::cout << "Number of ORB keypoints (image 1): " << keypoints1.size() << std::endl;
	std::cout << "Number of ORB keypoints (image 2): " << keypoints2.size() << std::endl;

	// to describe with FREAK (use with BRISK)
	// feature = cv::xfeatures2d::FREAK::create();
	// feature->compute(image1, keypoints1, descriptors1);
	// feature->compute(image1, keypoints2, descriptors2);

   // Construction of the matcher 
	cv::BFMatcher matcher(
		cv::NORM_HAMMING); // always use hamming norm
						   // for binary descriptors
	// Match the two image descriptors
	std::vector<cv::DMatch> matches;
	matcher.match(descriptors1, descriptors2, matches);

	// draw matches
	cv::Mat imageMatches;
	cv::drawMatches(
		image1, keypoints1, // 1st image and its keypoints
		image2, keypoints2, // 2nd image and its keypoints
		matches,           // the matches
		imageMatches,      // the image produced
		cv::Scalar(255, 255, 255),  // color of lines
		cv::Scalar(255, 255, 255),  // color of points
		std::vector< char >(),    // masks if any 
		cv::DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS | cv::DrawMatchesFlags::DRAW_RICH_KEYPOINTS);

	// Display the image of matches
	cv::namedWindow("ORB Matches");
	cv::imshow("ORB Matches", imageMatches);
	//   cv::namedWindow("FREAK Matches");
	//   cv::imshow("FREAK Matches", imageMatches);

	std::cout << "Number of matches: " << matches.size() << std::endl;

	cv::waitKey();
	return 0;
}

2、patches.cpp

结果

在这里插入图片描述

测试代码

#include <iostream>
#include <vector>
#include <opencv2/core.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/features2d.hpp>
#include <opencv2/objdetect.hpp>

static int test();

int main()
{
	test();
	system("pause");
	return 0;
}

static int test()
{
	// image matching

	// 1. Read input images
	std::string path_church02 = "F:/images/church02.jpg";
	std::string path_church01 = "F:/images/church01.jpg";
	cv::Mat image1 = cv::imread(path_church01, cv::IMREAD_GRAYSCALE);
	cv::Mat image2 = cv::imread(path_church02, cv::IMREAD_GRAYSCALE);

	// 2. Define keypoints vector
	std::vector<cv::KeyPoint> keypoints1;
	std::vector<cv::KeyPoint> keypoints2;

	// 3. Define feature detector
	cv::Ptr<cv::FeatureDetector> ptrDetector;           // generic detector
	ptrDetector = cv::FastFeatureDetector::create(80);   // we select the FAST detector

	// 4. Keypoint detection
	ptrDetector->detect(image1, keypoints1);
	ptrDetector->detect(image2, keypoints2);

	std::cout << "Number of keypoints (image 1): " << keypoints1.size() << std::endl;
	std::cout << "Number of keypoints (image 2): " << keypoints2.size() << std::endl;

	// 5. Define a square neighborhood
	const int nsize(11); // size of the neighborhood
	cv::Rect neighborhood(0, 0, nsize, nsize); // 11x11
	cv::Mat patch1;
	cv::Mat patch2;

	// 6. For all keypoints in first image
	//    find best match in second image
	cv::Mat result;
	std::vector<cv::DMatch> matches;

	//for all keypoints in image 1
	for (int i = 0; i < keypoints1.size(); i++) {

		// define image patch
		neighborhood.x = keypoints1[i].pt.x - nsize / 2;
		neighborhood.y = keypoints1[i].pt.y - nsize / 2;

		// if neighborhood of points outside image, then continue with next point
		if (neighborhood.x < 0 || neighborhood.y < 0 ||
			neighborhood.x + nsize >= image1.cols || neighborhood.y + nsize >= image1.rows)
			continue;

		//patch in image 1
		patch1 = image1(neighborhood);

		// reset best correlation value;
		cv::DMatch bestMatch;

		//for all keypoints in image 2
		for (int j = 0; j < keypoints2.size(); j++) {

			// define image patch
			neighborhood.x = keypoints2[j].pt.x - nsize / 2;
			neighborhood.y = keypoints2[j].pt.y - nsize / 2;

			// if neighborhood of points outside image, then continue with next point
			if (neighborhood.x < 0 || neighborhood.y < 0 ||
				neighborhood.x + nsize >= image2.cols || neighborhood.y + nsize >= image2.rows)
				continue;

			// patch in image 2
			patch2 = image2(neighborhood);

			// match the two patches
			cv::matchTemplate(patch1, patch2, result, cv::TM_SQDIFF);

			// check if it is a best match
			if (result.at<float>(0, 0) < bestMatch.distance) {

				bestMatch.distance = result.at<float>(0, 0);
				bestMatch.queryIdx = i;
				bestMatch.trainIdx = j;
			}
		}

		// add the best match
		matches.push_back(bestMatch);
	}

	std::cout << "Number of matches: " << matches.size() << std::endl;

	// extract the 50 best matches
	std::nth_element(matches.begin(), matches.begin() + 50, matches.end());
	matches.erase(matches.begin() + 50, matches.end());

	std::cout << "Number of matches (after): " << matches.size() << std::endl;

	// Draw the matching results
	cv::Mat matchImage;
	cv::drawMatches(image1, keypoints1, // first image
		image2, keypoints2, // second image
		matches,     // vector of matches
		matchImage,  // produced image
		cv::Scalar(255, 255, 255),  // line color
		cv::Scalar(255, 255, 255)); // point color

// Display the image of matches
	cv::namedWindow("Matches");
	cv::imshow("Matches", matchImage);

	// Match template

	// define a template
	cv::Mat target(image1, cv::Rect(80, 105, 30, 30));
	// Display the template
	cv::namedWindow("Template");
	cv::imshow("Template", target);

	// define search region
	cv::Mat roi(image2,
		// here top half of the image
		cv::Rect(0, 0, image2.cols, image2.rows / 2));

	// perform template matching
	cv::matchTemplate(
		roi,    // search region
		target, // template
		result, // result
		cv::TM_SQDIFF); // similarity measure
	// find most similar location
	double minVal, maxVal;
	cv::Point minPt, maxPt;
	cv::minMaxLoc(result, &minVal, &maxVal, &minPt, &maxPt);

	// draw rectangle at most similar location
	// at minPt in this case
	cv::rectangle(roi, cv::Rect(minPt.x, minPt.y, target.cols, target.rows), 255);

	// Display the template
	cv::namedWindow("Best");
	cv::imshow("Best", image2);

	cv::waitKey();
	return 0;
}

3、detectObjects.cpp

结果

在这里插入图片描述
在这里插入图片描述

测试代码

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

static int test()
{
	// open the positive sample images
	std::vector<cv::Mat> referenceImages;
	std::string path_stop00 = "F:/images/stopSamples/stop00.png";
	std::string path_stop01 = "F:/images/stopSamples/stop01.png";
	std::string path_stop02 = "F:/images/stopSamples/stop02.png";
	std::string path_stop03 = "F:/images/stopSamples/stop03.png";
	std::string path_stop04 = "F:/images/stopSamples/stop04.png";
	std::string path_stop05 = "F:/images/stopSamples/stop05.png";
	std::string path_stop06 = "F:/images/stopSamples/stop06.png";
	std::string path_stop07 = "F:/images/stopSamples/stop07.png";
	referenceImages.push_back(cv::imread(path_stop00));
	referenceImages.push_back(cv::imread(path_stop01));
	referenceImages.push_back(cv::imread(path_stop02));
	referenceImages.push_back(cv::imread(path_stop03));
	referenceImages.push_back(cv::imread(path_stop04));
	referenceImages.push_back(cv::imread(path_stop05));
	referenceImages.push_back(cv::imread(path_stop06));
	referenceImages.push_back(cv::imread(path_stop07));

	// create a composite image
	cv::Mat positveImages(2 * referenceImages[0].rows, 4 * referenceImages[0].cols, CV_8UC3);
	for (int i = 0; i < 2; i++)
		for (int j = 0; j < 4; j++) {

			referenceImages[i * 2 + j].copyTo(positveImages(cv::Rect(j*referenceImages[i * 2 + j].cols, i*referenceImages[i * 2 + j].rows, referenceImages[i * 2 + j].cols, referenceImages[i * 2 + j].rows)));
		}

	cv::imshow("Positive samples", positveImages);
	std::string path_bg01 = "F:/images/stopSamples/bg01.jpg";
	cv::Mat negative = cv::imread(path_bg01);
	cv::resize(negative, negative, cv::Size(), 0.33, 0.33);
	cv::imshow("One negative sample", negative);

	std::string path_stop9 = "F:/images/stopSamples/stop9.jpg";
	cv::Mat inputImage = cv::imread(path_stop9);
	cv::resize(inputImage, inputImage, cv::Size(), 0.5, 0.5);

	cv::CascadeClassifier cascade;
	if (!cascade.load("F:/images/stopSamples/classifier/cascade.xml")) {
		std::cout << "Error when loading the cascade classfier!" << std::endl;
		return -1;
	}

	// predict the label of this image
	std::vector<cv::Rect> detections;

	cascade.detectMultiScale(inputImage, // input image 
		detections, // detection results
		1.1,        // scale reduction factor
		1,          // number of required neighbor detections
		0,          // flags (not used)
		cv::Size(48, 48),    // minimum object size to be detected
		cv::Size(128, 128)); // maximum object size to be detected

	std::cout << "detections= " << detections.size() << std::endl;
	for (int i = 0; i < detections.size(); i++)
		cv::rectangle(inputImage, detections[i], cv::Scalar(255, 255, 255), 2);

	cv::imshow("Stop sign detection", inputImage);

	// Detecting faces
	std::string path_girl = "F:/images/girl.jpg";
	cv::Mat picture = cv::imread(path_girl);
	cv::CascadeClassifier faceCascade;
	if (!faceCascade.load("D:/software/OpenCv4.5/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml")) {
		std::cout << "Error when loading the face cascade classfier!" << std::endl;
		return -1;
	}

	faceCascade.detectMultiScale(picture, // input image 
		detections, // detection results
		1.1,        // scale reduction factor
		3,          // number of required neighbor detections
		0,          // flags (not used)
		cv::Size(48, 48),    // minimum object size to be detected
		cv::Size(128, 128)); // maximum object size to be detected

	std::cout << "detections= " << detections.size() << std::endl;
	// draw detections on image
	for (int i = 0; i < detections.size(); i++)
		cv::rectangle(picture, detections[i], cv::Scalar(255, 255, 255), 2);

	// Detecting eyes
	cv::CascadeClassifier eyeCascade;
	if (!eyeCascade.load("D:/software/OpenCv4.5/opencv/sources/data/haarcascades/haarcascade_eye.xml")) {
		std::cout << "Error when loading the eye cascade classfier!" << std::endl;
		return -1;
	}

	eyeCascade.detectMultiScale(picture, // input image 
		detections, // detection results
		1.1,        // scale reduction factor
		3,          // number of required neighbor detections
		0,          // flags (not used)
		cv::Size(24, 24),    // minimum object size to be detected
		cv::Size(64, 64)); // maximum object size to be detected

	std::cout << "detections= " << detections.size() << std::endl;
	// draw detections on image
	for (int i = 0; i < detections.size(); i++)
		cv::rectangle(picture, detections[i], cv::Scalar(0, 0, 0), 2);

	cv::imshow("Detection results", picture);

	cv::waitKey();
}

int main()
{
	test();
	system("pause");
	return 0;
}
yangyang_z
关注
专栏目录
OpenCV_test.rar_opencv 下载_opencv_test_opencv下载
09-20
OpenCV是一个功能强大的图像处理类库，该程序演示了图像的载入以及如何把bmp转换为OpenCV支持的格式。
【Opencv测试用例（一）】
weixin_43488529的博客
04-06 1979
Opencv测试用例一Chapter011、mat.cpp结果测试代码2、logo.cpp结果测试代码3、loadDiaplaySave.cpp结果测试代码Chapter021、addImages.cpp结果测试代码2、colorReduce.cpp结果测试代码3、contrast.cpp结果测试代码3、remapping.cpp结果![在这里插入图片描述](https://img-blog.csdnimg.cn/9092dd2dd234464e97559d392d3c8123.png?x-oss-proc
windows：Opencv使用Cmake & VS 编译， C++、python、Cuda、Qt 环境详细教学及踩坑 二 ：测试篇
最新发布
Bethxone的博客
07-22 1838
windows：Opencv使用Cmake & VS 编译， C++、python、Cuda、Qt 环境详细教学及踩坑 二 ：测试篇
OpenCV Test
EQUINOXwang的博客
03-16 154
1
如何使用OpenCV进行图像处理的调试和测试？
m0_60720471的博客
03-07 604
在使用OpenCV进行图像处理时，进行调试和测试非常重要。可以使用输出函数、断言和日志、测试数据集、单元测试框架和调试工具等方法来进行调试和测试，以保证算法和函数的正确性和性能。
如何对用OpenCV开发的API进行测试 （Google Test 版本）
shizuguilai的博客
03-03 595
假设你想测试一个使用OpenCV开发的图像处理API，例如一个图像滤波函数。：创建一个新的C++文件，引入必要的OpenCV头文件和测试框架头文件（如Google Test）。：使用合适的编译器编译测试代码，并运行测试。测试框架会自动执行所有测试用例，并报告测试结果。：首先，需要安装OpenCV库，并设置好C++开发环境。
testOpencv_openCV配置测试用例_open_comemxi_
10-01
本文将详细讲解如何配置OpenCV环境，并介绍一个名为"testOpencv"的测试用例，用于验证配置是否成功。该测试用例在Visual Studio (VS) 平台上运行，通过两个特定的测试程序来确保OpenCV库已经被正确地集成到开发环境...
opencv-gpu模块测试用例
12-03
在这个"opencv-gpu模块测试用例"中，我们有三个针对CUDA和OpenCV GPU功能的示例项目。这些示例旨在演示如何在Windows 2010环境下，使用Visual Studio 2013、CUDA 8.0、CMake 3.13以及OpenCV 3.4进行配置和开发。以下...
OPENCV3.1 VS2013 测试用例
12-26
在本文中，我们将深入探讨如何在Visual Studio 2013环境下配置OpenCV 3.1并创建一个基本的人脸检测测试用例。 1. **OpenCV 3.1 安装与配置**： - 首先，你需要从官方或第三方源下载OpenCV 3.1的源码或预编译版本。...
OpenCV+VS2010开发环境配置 测试用例
01-01
创建更多测试用例以验证OpenCV函数和模块的正确性。例如，可以测试特征检测、图像变换、物体识别等功能。 总结，配置OpenCV与VS2010的开发环境涉及安装和配置软件、设置环境变量、创建项目、配置项目属性、编写和...
OpenCV+VS2010开发环境配置 测试用例 by嘟嘟
12-05
在本文中，我们将深入探讨如何配置OpenCV 2.4.9与Visual Studio 2010的开发环境，并通过一个简单的测试用例来验证环境配置是否成功。OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它...
【Opencv测试用例（四）】
weixin_43488529的博客
04-07 830
Opencv测试用例（四）Chaptor051、morphology.cpp结果测试代码2、mserFeatures.cpp结果测试代码3、segment.cpp结果测试代码Chaptor061、derivatives.cpp结果测试代码 Chaptor05 1、morphology.cpp 结果 测试代码 #include<opencv2/opencv.hpp> static int test() { // Read input image std::string path_bin
OpenCV安装教程：Windows 安装 Visual Studio + OpenCV + OpenCV contrib
热门推荐
yuhouwucaihong的博客
04-04 1万+
OpenCV作为图像研究领域常用的lib库，对于c++环境下OpenCV的使用与安装的教程也不少。在此进行安装教程的整理，希望对OpenCV的使用者、图像领域的研究者有帮助。
opencv缺陷检测
whaosoft143ai的博客
06-17 2029
为了方便后面计算，也为了计数方便，我先定义了一个产品类型的结构体myproduct，里面包含外接Rect,质心cx,xy,还有对应索引index. 为了去除重复，每次计算每个轮廓的位置，再根据当前帧里面的所有产品坐标与上一帧图像中产品里面的坐标进行对比，如果有两个产品在上下两帧中偏移的距离很小，那么我们可以认为它是同一件产品，否则就是新出现的产品，就需要放入我们的product容器里面，这其实在实际抓拍检测过程中，比较常用的去重方法：​​​​​​​。我们看一下这个函数的原型：​​​​​​​whaosoft
Python|OpenCV-性能测试以及优化方法(9)
Python进阶专栏《爬虫实战进阶》，《数据分析入门与实战》原创作者
11-28 354
本文是该专栏的第9篇，后面将持续分享OpenCV计算机视觉的干货知识。在面对图像处理的项目需求时，要知道程序每秒都会处理大量的数据工作，而我们想要让程序达到实用的效果。必须要让自己的代码能提供最准确的解决方法，且该方法能以最快的效率去执行完成。所以当你想要测试你的执行代码的性能时，OpenCV提供了一些方法可以帮助你测试代码的性能，以及提升你代码性能的建议。具体是怎样的方法和建议，笔者将在正文内容结合“实际代码”来详细介绍。（附带完整代码）要知道，除了OpenCV之外，python
探索OpenCVTest：一个强大的图像处理与计算机视觉实践平台
gitblog_00068的博客
04-24 264
探索OpenCVTest：一个强大的图像处理与计算机视觉实践平台 项目地址:https://gitcode.com/DymanZy/OpenCVTest 项目简介 OpenCVTest 是一个开源项目，它基于业界广受认可的计算机视觉库OpenCV进行构建，为开发者提供了一个便捷的平台，用于实验和开发各种图像处理和计算机视觉算法。该项目不仅提供了丰富的预设示例，还支持自定义代码测试，旨在帮助用户更好...
[C++] 详细教程 - opencv4.8.0安装和验证测试 (Windows + Linux)
老狼工作室的博客
12-07 8821
本文介绍如何在windows和linux(Ubuntu)下安装opencv4.8.0， 并通过cmake项目或者vc++项目验证是否安装成功。
09 OpenCV图形检测
Hello Word
02-17 1866
函数是OpenCV中用于寻找轮廓的函数之一。它可以用于在二值图像中查找并检测出所有的物体轮廓，以及计算出这些轮廓的各种属性，例如面积、周长、质心等。imagemodemethodcontourshierarchyoffset(0, 0)contours和hierarchy。其中，contours是一个包含所有检测到的轮廓的Python列表，每个轮廓都是由一组点构成的Numpy数组。而hierarchy是一个包含轮廓的层次结构信息的Numpy数组。
Python OpenCV实现文档自动矫正（含源码和测试数据）
AI吃大瓜的博客
11-26 7582
基于OpenCV实现一个简易的文档自动矫正算法，支持通过用户交互实现文档矫正，也支持通过算法实现完全自动文档矫正，即文档一键矫正；文档自动矫正，一键矫正，图片矫正，文本矫正；文本图像倾斜矫正；文档倾斜矫正
Python识别视频中的人脸测试用例
06-10
好的，以下是一个简单的Python代码示例，用于在视频流中识别人脸： ...这个示例使用OpenCV库中的人脸识别分类器，通过摄像头实时捕获视频流，并在检测到的人脸周围绘制矩形框。你可以根据自己的需求修改代码。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值