若该文为原创文章，未经允许不得转载
原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/106665993
各位读者，知识无穷而人力有穷，要么改需求，要么找专业人士，要么自己研究
红胖子(红模仿)的博文大全：开发技术集合（包含Qt实用技术、树莓派、三维、OpenCV、OpenGL、ffmpeg、OSG、单片机、软硬结合等等）持续更新中…（点击传送门）

OpenCV开发专栏（点击传送门）

上一篇：《OpenCV开发笔记（六十一）：红胖子8分钟带你深入了解Shi-Tomasi角点检测（图文并茂+浅显易懂+程序源码）》
下一篇：持续补充中…

前言

  红胖子，来也！
  本篇主要说亚像素角点，又叫次级像素角点，其实通俗来说，就是输入整数坐标，使用最小二乘法迭代计算所需精度的实数坐标。

Demo

亚像素角点

概述

  进行图像处理提取用于识别的特征点进行几何测量，这通常需要更高的精度，而函数goodFeaturesToTrack()只能提供简单的像素的坐怀值，也就是说，有时候会需要要实数坐标值而不是整数坐标值。
亚像素级角点检测的位置在摄像机标定、跟踪并重建摄像机的轨迹，或者重被功跟踪目标的三维结构时候，是一个基本的测量值 。

Shi-Tomasi角点检测

  goodFeaturesToTrack()函数检测是的Shi-Tomasi角点。
  《OpenCV开发笔记（六十一）：红胖子8分钟带你深入了解Shi-Tomasi角点检测（图文并茂+浅显易懂+程序源码）》

亚像素角点检测原理

  
  其中，(a)点p附近的图像是均匀的，其梯度为0，(b)边缘的梯度与沿地缘方向的q-p向量正交。在图中的两种情况下，p点梯度与q-p向量的点积均为0。
  假设起始角点q在实际亚像素级角点的附近。检测所有的q-p向量。若点p位于一个均匀的区域，则点p处的梯度为0。若q-p向量的方向与边缘的方向一致，则此边缘上p点处的梯度与q-p向量正交，在这两种情况下，p点处的梯度与q-p向量的点积为0。可以在p点周围找到很多组梯度以及相关的向量q节，令其点集为0，然后可以通过求解方程组，方程组的解即为角点q的亚像素级精度的位置，也就是精确的角点位置。

TermCriteri迭代标注类的构造函数

TermCriteria(int type,              int maxCount,              double epsilon); 

• 参数一：int类型的type，枚举为TermCriteria::Type类型，终止标准的类型：
    
• 参数二：int类型的maxCount，最大迭代次数/元素数；
• 参数三：double类型的epsilon，所需的精度。

函数原型

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

• 参数一：InputArray类型的image，输入图像，即源图像，填Mat类的对象，必须为单通道图像；
• 参数二：InputOutputArray类型的corners，提供输入角点的初始坐标和精确的输出坐标；
• 参数三：Sjze类型的winSjze，搜索窗口的一半尺寸。若winSize=Size(5,5)，那么就表示使用(52+1)x(52+1)=11×11大小的搜索窗口。
• 参数四：Size类型的zeroZone，表示死区的一半尺寸。而死区为不对搜索区的中央位置做求和运算的区域，用来避免自相关矩阵出现的某些可能的奇异性。值为(-1，-1)表示没有死区。
• 参数五：TermCriteria类型的criteria，求角点的迭代过程的终止条件。即角点位置的确定，要么迭代数大于某个设定值，或者是精到达某个设定值。cirteria可以是最大迭代数目，或者是设定的精确度，也可以是它们的组合。

Demo源码

void OpenCVManager::testCornerSubPix() {     QString fileName1 =             "E:/qtProject/openCVDemo/openCVDemo/modules/openCVManager/images/1.jpg";     int width = 400;     int height = 300;      cv::Mat srcMat = cv::imread(fileName1.toStdString());     cv::resize(srcMat, srcMat, cv::Size(width, height));      cv::String windowName = _windowTitle.toStdString();     cvui::init(windowName);      cv::Mat windowMat = cv::Mat(cv::Size(srcMat.cols * 2, srcMat.rows * 3),                                 srcMat.type());      int qualityLevel = 1;     int minDistance = 10;     int iterations = 5;     int epsilon = 1;     while(true)     {         windowMat = cv::Scalar(0, 0, 0);          cv::Mat mat;          cv::Mat tempMat;         // 原图先copy到左边         mat = windowMat(cv::Range(srcMat.rows * 0, srcMat.rows * 1),                         cv::Range(srcMat.cols * 0, srcMat.cols * 1));         cv::addWeighted(mat, 0.0f, srcMat, 1.0f, 0.0f, mat);          {             // 灰度图             cv::Mat grayMat;             cv::cvtColor(srcMat, grayMat, cv::COLOR_BGR2GRAY);             cv::Mat grayMat2;             cv::cvtColor(grayMat, grayMat2, cv::COLOR_GRAY2BGR);             cv::addWeighted(mat, 0.0f, grayMat2, 1.0f, 0.0f, mat);              cvui::printf(windowMat, width * 1 + 20, height * 0 + 10, "qualityLevel / 100.0f");             cvui::trackbar(windowMat, width * 1 + 20, height * 0 + 30, 200, &qualityLevel, 1, 99);             cvui::printf(windowMat, width * 1 + 20, height * 0 + 80, "minDistance");             cvui::trackbar(windowMat, width * 1 + 20, height * 0 + 100, 200, &minDistance, 1, 100);             cvui::printf(windowMat, width * 1 + 20, height * 0 + 150, "iterations");             cvui::trackbar(windowMat, width * 1 + 20, height * 0 + 170, 200, &iterations, 1, 100);             cvui::printf(windowMat, width * 1 + 20, height * 0 + 220, "epsilon/100.0f");             cvui::trackbar(windowMat, width * 1 + 20, height * 0 + 240, 200, &epsilon, 1, 1000);              // Shi-Tomasi角点检测             std::vector<cv::Point2f> corners;             cv::goodFeaturesToTrack(grayMat,    // 输入图像                                     corners,    // 输出角点                                     100,        // 最大输出角点数量                                     qualityLevel / 100.0f,  // 最小特征值                                     minDistance,    // 最小间隔距离                                     cv::noArray(),  // 感兴趣的区域                                     3,          // 计算矩阵时的领域范围                                     false,      // 不适用harris角点检测                                     0.04);      // 权重系数              cv::Mat tempMat4 = srcMat.clone();             for (int i = 0; i < corners.size(); i++)             {                 cv::circle(tempMat4, corners[i], 5, cv::Scalar(0, 255, 0), 2, 8, 0);                 cvui::printf(windowMat, width * 0 + 20, height * 1 + 20 * i, "%f,%f", corners[i].x, corners[i].y);             }             // copy             mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),                             cv::Range(srcMat.cols * 0, srcMat.cols * 1));             cv::addWeighted(mat, 0.0f, tempMat4, 1.0f, 0.0f, mat);             //指定亚像素计算迭代标注             cv::TermCriteria criteria = cv::TermCriteria(                             cv::TermCriteria::EPS,                             iterations,         // 迭代次数                             epsilon);           // 精度              //亚像素检测              cv::cornerSubPix(grayMat,                              corners,                              cv::Size(5, 5),                              cv::Size(-1, -1),                              criteria);              //将检测到的亚像素角点绘制到原图上             cv::Mat tempMat3 = srcMat.clone();             for (int i = 0; i < corners.size(); i++)             {                 cv::circle(tempMat3, corners[i], 5, cv::Scalar(0, 255, 0), 2, 8, 0);                 cvui::printf(windowMat, width * 1 + 20, height * 1 + 20 * i, "%f,%f", corners[i].x, corners[i].y);             }             // copy             mat = windowMat(cv::Range(srcMat.rows * 2, srcMat.rows * 3),                             cv::Range(srcMat.cols * 1, srcMat.cols * 2));             cv::addWeighted(mat, 0.0f, tempMat3, 1.0f, 0.0f, mat);          }         // 更新         cvui::update();         // 显示         cv::imshow(windowName, windowMat);         // esc键退出         if(cv::waitKey(25) == 27)         {             break;         }     } } 

工程模板：对应版本号v1.56.0

  对应版本号v1.56.0

上一篇：《OpenCV开发笔记（六十一）：红胖子8分钟带你深入了解Shi-Tomasi角点检测（图文并茂+浅显易懂+程序源码）》
下一篇：持续补充中…

原博主博客地址：https://blog.csdn.net/qq21497936
原博主博客导航：https://blog.csdn.net/qq21497936/article/details/102478062
本文章博客地址：https://blog.csdn.net/qq21497936/article/details/106665993