[人工智能]九、相机标定和角点检测

(一)接下来会用到的几个函数：

1、归一化：normalize 函数介绍

void normalize(InputArray src,OutputArraydst, double alpha = 1, double beta = 0, intnorm_type = NORM_L2, int dtype = -1, InputArray mask = noArray() )

该函数归一化输入数组使它的范数或者数值范围在一定的范围内。

src：? 输入数组

dst：?输出数组，支持原地运算

alpha：?range normalization模式的最小值

beta ：range normalization模式的最大值。

normType：归一化的类型，可以有以下的取值：

?NORM_MINMAX:数组的数值被平移或缩放到一个指定的范围，线性归一化，一般较常用。

?NORM_INF:此类型的定义没有查到，根据OpenCV 1的对应项，可能是归一化数组的C-范数(绝对值的最大值)

??NORM_L1 : ?归一化数组的L1-范数(绝对值的和)

??NORM_L2: 归一化数组的(欧几里德)L2-范数

dtype：dtype为负数时，输出数组的type与输入数组的type相同；

否则，输出数组与输入数组只是通道数相同，而tpye=CV_MAT_DEPTH(dtype).

2、convertScaleAbs()用于实现对整个图像数组中的每一个元素，该操作可实现图像增强等相关操作的快速运算。

void? convertScaleAbs（InputArray src, // 输入数组OutputArray dst, // 输出数组double alpha = 1.0, // 乘数因子 double beta = 0.0 // 偏移量）

（二）角点检测

角点检测函数?cornerHarris(InputArray src, // 输入8bit单通道灰度Mat矩阵
?? ??? ??? ??? ??? ?OutputArray dst, // 用于保存harris角点检测结果
?? ??? ??? ??? ??? ?int blockSize, // 滑块窗口的尺寸
?? ??? ??? ??? ??? ?int ksize, // sobel边缘检测滤波器大小
?? ??? ??? ??? ??? ?double k, // harris中间参数，经校验0.04-0.06
?? ??? ??? ??? ??? ?int borderType = BORDER_DEFAULT); // 插值类

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

using namespace std;
using namespace cv;
Mat src, gray_src;
int thresh = 130;
int max_count = 255;
const char* output_title = "HarrisCornerDetectionResult";
void Harris_Dome(int, void*);
int main()
{
	src = imread("D://RM//OpenCv的学习//相机标定和角点检测//22.jpg");
	if (src.empty())
	{
		printf("没有发现图片!!!");
		return -1;
	}
	namedWindow("Input image", WINDOW_AUTOSIZE);
	imshow("Input image", src);

	namedWindow(output_title, WINDOW_AUTOSIZE);//设置窗口大小
	cvtColor(src, gray_src, COLOR_BGR2GRAY);//原图转换为灰度图
	createTrackbar("Threshold", output_title, &thresh, max_count, Harris_Dome);//创建滑动条
	Harris_Dome(0, 0);
	waitKey(0);

	return 0;
}
//角点检测函数
void Harris_Dome(int, void*)
{
	Mat dst, norm_dst, normScaleDsr;
	dst = Mat::zeros(gray_src.size(), CV_32FC1);
	int blockSize = 2;
	int Ksize = 3;
	double k = 0.04;
	cornerHarris(gray_src, dst, blockSize, Ksize, k, BORDER_DEFAULT);
	normalize(dst, norm_dst, 0, 255, NORM_MINMAX, CV_32FC1, Mat());//归一化
	convertScaleAbs(norm_dst, normScaleDsr);
	Mat resultImg = src.clone();
for (int row = 0; row < resultImg.rows; row++)
	{
		uchar* currenrRow = normScaleDsr.ptr(row);
		for (int col = 0; col < resultImg.cols; col++)
		{
			int value = (int)*currenrRow;
			if (value > thresh)
			{
				circle(resultImg, Point(col, row), 2, Scalar(0, 0, 255), 2, 8, 0);
			}
			currenrRow++;
		}
	}
	imshow(output_title, resultImg);
}