角点检测与滤波.docVIP

角点检测及滤波变换 角点检测 角点：曲线上曲率大的地方，一般来说这些地方法线方向不唯一。例如：两条直线构成角时的交点。 1.1 PreCornerDetect 功能：计算用于角点检测的特征图， 格式：void cvPreCornerDetect( const CvArr* image, CvArr* corners, int aperture_size=3 ); 参数：image：输入图像. corners：保存候选角点的特征图 aperture_size：Sobel 算子的核大小(见cvSobel). 函数 cvPreCornerDetect 计算函数 Dx2Dyy+Dy2Dxx - 2DxDyDxy 其中 D? 表示一阶图像差分，D?? 表示二阶图像差分。 角点被认为是函数的局部最大值： // 假设图像格式为浮点数 IplImage* corners = cvCloneImage(image); IplImage* dilated_corners = cvCloneImage(image); IplImage* corner_mask = cvCreateImage( cvGetSize(image), 8, 1 ); cvPreCornerDetect( image, corners, 3 ); cvDilate( corners, dilated_corners, 0, 1 ); cvSubS( corners, dilated_corners, corners ); cvCmpS( corners, 0, corner_mask, CV_CMP_GE ); cvReleaseImage( corners ); cvReleaseImage( dilated_corners ); 1.2 CornerEigenValsAndVecs 功能：计算图像块的特征值和特征向量，用于角点检测 格式：void cvCornerEigenValsAndVecs( const CvArr* image, CvArr* eigenvv, int block_size, int aperture_size=3 ); 参数：image：输入图像. eigenvv：保存结果的数组。必须比输入图像宽 6 倍。 block_size：邻域大小 (见下面说明部分). aperture_size：Sobel 算子的核尺寸(见 cvSobel). 说明：对每个象素，函数 cvCornerEigenValsAndVecs 考虑 block_size × block_size 大小的邻域 S(p)，然后在邻域上计算图像差分的相关矩阵： 然后它计算矩阵的特征值和特征向量，并且按如下方式(λ1, λ2, x1, y1, x2, y2)存储这些值到输出图像中，其中： λ1, λ2为 M 的特征值，没有排序； ( x1, y1)为对λ1的特征向量； (x2, y2)为对λ2的特征向量。 1.3 CornerMinEigenVal 功能：计算梯度矩阵的最小特征值，用于角点检测 格式：void cvCornerMinEigenVal( const CvArr* image, CvArr* eigenval, int block_size, int aperture_size=3 ); 参数：image：输入图像. eigenval：保存最小特征值的图像. 与输入图像大小一致 block_size：邻域大小 (见函数 cvCornerEigenValsAndVecs的说明部分). aperture_size：Sobel 算子的核尺寸(见 cvSobel). 当输入图像是浮点数格式时，该参数表示用来计算差分固定的浮点滤波器的个数. 说明：函数 cvCornerMinEigenVal 与 cvCornerEigenValsAndVecs 类似，但是它仅仅计算和存储每个象素点差分相关矩阵的最小特征值，即前一个函数的 min(λ1, λ2) 1.4 FindCornerSubPix 功能：寻找精确的角点位置 格式：void cvFindCornerSubPix( const CvArr* image, CvPoint2D32f* corners, int count, CvSize win, CvSize zero_zone, CvTermCriteria criteria ); 参数：image：输入图像. corners：输入角点的初始坐标，也存储精确的输出坐标 count