opencv角点检测算法接口概述及角点检测算法接口概述及KeyPoint数据结构数据结构
参考链接：
https://www.cnblogs.com/dengxiaojun/p/5302778.html
图像角点其实也是一种图像特征点,对于一张图像来说,特征点分为三种形式包括边缘,焦点和斑点,在OPENCV中,加上角点检测,总共提供了以下的图像特征点检测算法：
FAST
SURF
ORB
BRISK
KAZE
AKAZE
MESR
GFTT good feature to tack
Bob斑点
STAR
AGAST
KeyPoint结构结构
首先需要了解OPENCV的一种数据结构, KeyPoint结构,该结构的头文件定义如下:
class KeyPoint
{
Point2f pt; //该图像特征点的坐标，包含x,y
float size; //特征点邻域直径,即该点直径的大小
float angle; //特征点的方向，值为[0，360)，-1为初值，负值表示不使用,有了这个方向,能够让特征点拥有更高的辨识度,否则仅仅坐标和直径有时会误判特征点。为了保
证方向不变形，SIFT算法通过对关键点周围领域进行梯度运算求得该点方向。
float response;//响应程度,代表该点的强壮程度,也就是该点角点程度,用于后期使用和排序
int octave; //特征点所在的图像金字塔的组，从金字塔哪一层提取得到的数据。
int class_id; //用于聚类的id，当要对图片进行分类时，我们可以用class_id对每个特征进行区分，未设定时为-1，需要靠自己设定
}
图像特征点检测的通用接口图像特征点检测的通用接口
Opencv为了方便用户使用图像特征点检测的相应算法,将全部的特征点检测都封在一个类似的API中,名为Ptr的模板类,也就是说,所有的特
征检测算法都实现了相同的借口,detect 检测图像特征点.使用方法类似于
Ptr变量名变量名 = 相应的特征点检测类相应的特征点检测类::create()
变量名 变量名->detect(原图像原图像,特征点向量特征点向量).
使用上面描述的算法,就可以调用几乎全部的图像特征检测算法.但是注意,create函数有多个重载函数,如果为空,每个图像检测算法都
会使用自己的一套默认的初始值来初始化类,如果想修改参数,那么create函数调用的时候需要根据检测类的不同,设置不同的初始化变量.
另外,opencv提供而一个快速显示图像特征点的函数,如下
drawKeyPoints(画布图像画布图像,特征点向量集特征点向量集,输出的绘制结果输出的绘制结果,绘制颜色值绘制颜色值,绘制模式绘制模式)
一般来说 一般来说,画布图像会使用我们检测特征点的原图像画布图像会使用我们检测特征点的原图像(一般检测特征点都是原图像变换为灰度图像之后进行的检测一般检测特征点都是原图像变换为灰度图像之后进行的检测,简单算法复杂度简单算法复杂度).
void cv::drawKeypoints ( InputArray image,
const std::vector & keypoints,
InputOutputArray outImage,
const Scalar & color = Scalar::all(-1),
DrawMatchesFlags flags = DrawMatchesFlags::DEFAULT
)
绘制模式有以下方法可以选择,是DrawMatchesFlags枚举
DEFAULT:只绘制特征点的坐标点,显示在图像上就是一个个小圆点,每个小圆点的圆心坐标都是特征点的坐标.
DRAW_OVER_OUTIMG:函数不创建输出的图像,而是直接在输出图像变量空间绘制,要求本身输出图像变量就是一个初始化好了
的,size与type都是已经初始化好的变量
NOT_DRAW_SINGLE 单点的特征点不被绘制
DRAW_RICH_KEYPOINT 绘制特征点的时候绘制的是一个个带有方向的圆,这种方法同时显示图像的坐标,size,和方向,是最能显示特
征的一种绘制方式,但是缺点就是绘制结果太杂乱.
作者：鸿儒517
资源评论
