答案 0 :(得分:0)
通常您可以使用渐变来确定角落:
Gx = im [i] [j + 1] - im [i] [j-1]; Gy = im [i + 1] [j] - im [i-1] [j];
G ^ 2 = Gx ^ 2 + Gy ^ 2;
teta = atan2(Gy,Gx);
由于图像模糊,您应该以更大的比例计算渐变:
Gx = im [i] [j + delta] - im [i] [j-delta]; Gy = im [i + delta] [j] - im [i-delta] [j];
以下是我为delta = 50获得的结果:
梯度范数(乘以20)
gradient norm http://imageshack.us/scaled/thumb/822/xdpp.jpg
渐变方向:
gradient direction http://imageshack.us/scaled/thumb/844/h6zp.jpg
答案 1 :(得分:0)
另一种解决方案
#include <opencv2/opencv.hpp>
using namespace cv;
int main()
{
Mat img=imread("c:/data/corner.jpg");
Mat gray;
cvtColor(img,gray,CV_BGR2GRAY);
threshold(gray,gray,100,255,CV_THRESH_BINARY);
int step=15;
std::vector<Point> points;
for(int i=0;i<gray.rows;i+=step)
for(int j=0;j<gray.cols;j+=step)
if(gray.at<uchar>(i,j)==255)
points.push_back(Point(j,i));
//fit a rotated rectangle
RotatedRect box = minAreaRect(Mat(points));
//circle(img,box.center,2,Scalar(255,0,0),-1);
//invert it,fit again and get average of centers(may not be needed if a 'good' threshold is found)
Point p1=Point(box.center.x,box.center.y);
points.clear();
gray=255-gray;
for(int i=0;i<gray.rows;i+=step)
for(int j=0;j<gray.cols;j+=step)
if(gray.at<uchar>(i,j)==255)
points.push_back(Point(j,i));
box = minAreaRect(Mat(points));
Point p2=Point(box.center.x,box.center.y);
//circle(img,p2,2,Scalar(0,255,0),-1);
circle(img,Point((p1.x+p2.x)/2,(p1.y+p2.y)/2),3,Scalar(0,0,255),-1);
imshow("img",img);
waitKey();
return 0;
}
答案 2 :(得分:0)
不像其他人所建议的那样立即大规模地工作,我建议首先缩小规模(具有去模糊的效果),做一次哈里斯通过寻找角落,然后升级它的位置并做一个传球具有大窗口的全分辨率的findCornerSubpix(大到足以包含强度的明显鞍点)。
通过这种方式,您可以获得两全其美的效果:快速检测以初始化细化,并在给定原始图像的情况下进行精确细化。