OpenCV特征检测(6)对初步检测到的角点位置进行亚像素级别的精炼函数cornerSubPix()的使用

• 操作系统：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 编程语言：C++11

算法描述

细化角点的位置。
该函数迭代以找到角点或径向鞍点的亚像素级准确位置，如 93中所述，并如下图所示。

亚像素级准确的角点定位器基于这样一个观察：从中心点 q 到位于 q 的邻域内的某个点 p 的每一个向量都垂直于 p 处的图像梯度，前提是图像和测量噪声的影响。考虑以下表达式：
$${ϵ}_i={D{I}_{p_i}}^T\cdot (q-p_i)$$
其中 $D{I}_{p_i}$ 是邻域中某一点 $p_i$处的图像梯度。需要找到 q 的值，使得 ${ϵ}_i$ 最小化。可以建立一个方程组，将 ${ϵ}_i$设为零：

$$\sum _i(D{I}_{p_i}\cdot {D{I}_{p_i}}^T)\cdot q-\sum _i(D{I}_{p_i}\cdot {D{I}_{p_i}}^T\cdot p_i)$$
其中梯度是在 q 的邻域（“搜索窗口”）内求和。称第一个梯度项为 G，第二个梯度项为 b，则有：
$$q=G^{-1}\cdot b$$
算法将邻域窗口的中心设置在这个新的中心 q 上，然后迭代直到中心保持在一个设定的阈值内。

函数原型1

void cv::cornerSubPix	
(
	InputArray 	image,
	InputOutputArray 	corners,
	Size 	winSize,
	Size 	zeroZone,
    TermCriteria 	criteria 
)		

参数1

• 参数image 输入单通道 8 位或浮点图像。

• 参数corners 输入角点的初始坐标，并提供输出精炼后的坐标。

• 参数winSize 搜索窗口边长的一半。例如，如果 winSize = Size(5, 5)，则使用 (52+1)×(52+1) = 11×11 的搜索窗口。

• 参数zeroZone 搜索区域内中间死区大小的一半，在该区域内公式下的求和不做。有时用于避免自相关矩阵可能的奇异情况。值 (-1, -1) 表示没有这样的大小。

• 参数criteria 迭代过程角点精炼的终止标准。也就是说，角点位置精炼的过程在达到 criteria.maxCount 次迭代或在某次迭代中角点位置移动小于 criteria.epsilon 时停止。

函数原型2

void cv::goodFeaturesToTrack	
(
	InputArray 	image,
	OutputArray 	corners,
	int 	maxCorners,
	double 	qualityLevel,
	double 	minDistance,
	InputArray 	mask,
	int 	blockSize,
	int 	gradientSize,
	bool 	useHarrisDetector = false,
	double 	k = 0.04 
)		

函数原型3

同上，但还会返回检测到的角点的质量度量。

void cv::goodFeaturesToTrack	
(
	InputArray 	image,
	OutputArray 	corners,
	int 	maxCorners,
	double 	qualityLevel,
	double 	minDistance,
	InputArray 	mask,
	OutputArray 	cornersQuality,
	int 	blockSize = 3,
	int 	gradientSize = 3,
	bool 	useHarrisDetector = false,
	double 	k = 0.04 
)		

参数3

• 参数image: 输入的 8 位或 32 位浮点型单通道图像。

• 参数corners: 输出的检测到的角点向量。

• 参数maxCorners: 返回的最大角点数。如果检测到的角点数量多于这个数值，则返回最强的几个角点。如果 maxCorners <= 0，则表示没有设置最大数量的限制，返回所有检测到的角点。

• 参数qualityLevel: 表征最小可接受的图像角点质量的参数。该参数值乘以最佳角点的质量度量，该度量可以是最小特征值（参见 cornerMinEigenVal）或 Harris 函数的响应（参见 cornerHarris）。质量度量低于该乘积的角点将被拒绝。例如，如果最佳角点的质量度量为 1500，且 qualityLevel=0.01，则所有质量度量小于 15 的角点都将被拒绝。

• 参数minDistance: 返回的角点之间的最小可能的欧几里得距离。

• 参数mask: 兴趣区域。如果该图像不为空（需要是类型 CV_8UC1 且大小与输入图像相同），则它指定了检测角点的区域。

• 参数cornersQuality: 输出的检测到的角点的质量度量向量。

• 参数blockSize: 用于在每个像素邻域上计算导数协方差矩阵的平均块大小。参见 cornerEigenValsAndVecs。

• 参数gradientSize: 用于计算导数的 Sobel 操作符的孔径参数。参见 cornerEigenValsAndVecs。

• 参数useHarrisDetector: 参数，指示是否使用 Harris 检测器（参见 cornerHarris）或最小特征值方法。

• 参数k: Harris 检测器中的自由参数。

代码示例

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

int main()
{
    // 加载图像
    cv::Mat img = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/hawk.jpg", cv::IMREAD_GRAYSCALE );
    if ( img.empty() )
    {
        std::cout << "Error opening image" << std::endl;
        return -1;
    }

    // 检测角点
    std::vector< cv::Point2f > corners;
    cv::goodFeaturesToTrack( img, corners, 100, 0.01, 10, cv::Mat() );

    // 设置搜索窗口大小
    cv::Size win( 5, 5 );

    // 设置零区间大小
    cv::Size zeroZone( -1, -1 );

    // 设置终止标准
    cv::TermCriteria criteria( cv::TermCriteria::EPS + cv::TermCriteria::COUNT, 30, 0.01 );

    // 对角点进行亚像素级别的精炼
    cv::cornerSubPix( img, corners, win, zeroZone, criteria );

    // 在原始图像上标记精炼后的角点
    cv::Mat imgColor;
    cv::cvtColor( img, imgColor, cv::COLOR_GRAY2BGR );
    for ( const auto& corner : corners )
    {
        cv::circle( imgColor, corner, 2, cv::Scalar( 0, 0, 255 ), 2 );  // 画红色圆圈
    }

    // 显示标记角点的图像
    cv::imshow( "Original Image", img );
    cv::imshow( "Refined Corners", imgColor );

    cv::waitKey( 0 );

    return 0;
}

运行结果