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。
在这里插入图片描述
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：
$\epsilon _i = {DI_{p_i}}^T \cdot (q - p_i)$
其中 ${DI_{p_i}}$ 是邻域中某一点 $p_i$ 处的图像梯度。需要找到 q 的值，使得 $\epsilon_i$ 最小化。可以建立一个方程组，将 $\epsilon_i$ 设为零：

$\sum _i(DI_{p_i} \cdot {DI_{p_i}}^T) \cdot q - \sum _i(DI_{p_i} \cdot {DI_{p_i}}^T \cdot p_i)$
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：
$G^{-1} \cdot b$
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

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

参数

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。

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;
}