【正文】 圖像. corners 輸入角點(diǎn)的初始坐標(biāo)，也存儲(chǔ)精確的輸出坐標(biāo) count 角點(diǎn)數(shù)目 win 搜索窗口的一半尺寸。對(duì)每個(gè)像素，在 block_size*block_size 大小的鄰域上，計(jì)算其2*2梯度共變矩陣（或相關(guān)異變矩陣）M。 k harris 檢測(cè)器的自由參數(shù)。與輸入圖像等大。 block_size 鄰域大小 (見討論). aperture_size Sobel 算子的核尺寸(見 cvSobel). 對(duì)每個(gè)象素，函數(shù) cvCornerEigenValsAndVecs 考慮 block_size block_size 大小的鄰域 S(p)，然后在鄰域上計(jì)算圖像差分的相關(guān)矩陣：然后它計(jì)算矩陣的特征值和特征向量，并且按如下方式(λ1, λ2, x1, y1, x2, y2)存儲(chǔ)這些值到輸出圖像中，其中λ1, λ2 M 的特征值，沒(méi)有排序 (x1, y1) 特征向量，對(duì) λ1 (x2, y2) 特征向量，對(duì) λ2 CornerMinEigenVal計(jì)算梯度矩陣的最小特征值，用于角點(diǎn)檢測(cè)void cvCornerMinEigenVal( const CvArr* image, CvArr* eigenval, int block_size, int aperture_size=3 )。dilated_corners )。cvCmpS( corners, 0, corner_mask, CV_CMP_GE )。IplImage* corner_mask = cvCreateImage( cvGetSize(image), 8, 1 )。 外部鏈接：經(jīng)典的canny自調(diào)整閾值算法的一個(gè)opencv的實(shí)現(xiàn)見在OpenCV中自適應(yīng)確定canny算法的分割門限 PreCornerDetect計(jì)算用于角點(diǎn)檢測(cè)的特征圖，void cvPreCornerDetect( const CvArr* image, CvArr* corners, int aperture_size=3 )。threshold1和threshold2 當(dāng)中的小閾值用來(lái)控制邊緣連接，大的閾值用來(lái)控制強(qiáng)邊緣的初始分割。Laplace計(jì)算圖像的 Laplacian 變換void cvLaplace( const CvArr* src, CvArr* dst, int aperture_size=3 )。為防止溢出，當(dāng)輸入圖像是 8 位的，要求輸出圖像是 16 位的。通常情況，函數(shù)調(diào)用采用如下參數(shù) (xorder=1, yorder=0, aperture_size=3) 或 (xorder=0, yorder=1, aperture_size=3) 來(lái)計(jì)算一階 x 或 y 方向的圖像差分。對(duì) aperture_size=1的情況， 使用 3x1 或 1x3 內(nèi)核 （不進(jìn)行高斯平滑操作）。 9 直方圖 o CvHistogram o CreateHist o SetHistBinRanges o ReleaseHist o ClearHist o MakeHistHeaderForArray o QueryHistValue_1D o GetHistValue_1D o GetMinMaxHistValue o NormalizeHist o ThreshHist o CompareHist o CopyHist o CalcHist o CalcBackProject o CalcBackProjectPatch o CalcProbDensity o EqualizeHist 5 金字塔及其應(yīng)用 o PyrDown o PyrUp 1 梯度、邊緣和角點(diǎn) o Sobel o Laplace o Canny o PreCornerDetect o CornerEigenValsAndVecs o CornerMinEigenVal o CornerHarris o FindCornerSubPix o GoodFeaturesToTrack 2 采樣、插值和幾何變換 o InitLineIterator o SampleLine o GetRectSubPix o GetQuadrangleSubPix o Resize o WarpAffine o GetAffineTransform o 2DRotationMatrix o WarpPerspective o WarpPerspectiveQMatrix o GetPerspectiveTransform o Remap o LogPolar 6 連接部件 o CvConnectedComp o FloodFill o FindContours o StartFindContours o FindNextContour o SubstituteContour o EndFindContours o PyrSegmentation o PyrMeanShiftFiltering o Watershed 10 匹配 o MatchTemplate o MatchShapes o CalcEMD2 梯度、邊緣和角點(diǎn)Sobel使用擴(kuò)展 Sobel 算子計(jì)算一階、二階、三階或混合圖像差分void cvSobel( const CvArr* src, CvArr* dst, int xorder, int yorder, int aperture_size=3 )。這里有一個(gè)特殊變量 CV_SCHARR (=1)，對(duì)應(yīng) 3x3 Scharr 濾波器，可以給出比 3x3 Sobel 濾波更精確的結(jié)果。第一種情況對(duì)應(yīng)：核。當(dāng)然可以用函數(shù) cvConvertScale 或 cvConvertScaleAbs 轉(zhuǎn)換為 8 位的。src 輸入圖像. dst 輸出圖像. aperture_size 核大小 (與 cvSobel 中定義一樣). 函數(shù) cvLaplace 計(jì)算輸入圖像的 Laplacian變換，方法是先用 sobel 算子計(jì)算二階 x 和 y 差分，再求和:對(duì) aperture_size=1 則給出最快計(jì)算結(jié)果，相當(dāng)于對(duì)圖像采用如下內(nèi)核做卷積：類似于 cvSobel 函數(shù)，該函數(shù)也不作圖像的尺度變換，所支持的輸入、輸出圖像類型的組合和cvSobel一致。image 輸入圖像. corners 保存候選角點(diǎn)的特征圖 aperture_size Sobel 算子的核大小(見cvSobel). 函數(shù) cvPreCornerDetect 計(jì)算函數(shù)其中D表示一階圖像差分， 表示二階圖像差分。cvPreCornerDetect( image, corners, 3 )。cvReleaseImage( amp。CornerEigenValsAndVecs計(jì)算圖像塊的特征值和特征向量，用于角點(diǎn)檢測(cè)void cvCornerEigenValsAndVecs( const CvArr* image, CvArr* eigenvv, int block_size, int aperture_size=3 )。image 輸入圖像. eigenval 保存最小特征值的圖像. 與輸入圖像大小一致 block_size 鄰域大小 (見討論 cvCornerEigenValsAndVecs). aperture_size Sobel 算子的核尺寸(見 cvSobel). 當(dāng)輸入圖像是浮點(diǎn)數(shù)格式時(shí)，該參數(shù)表示用來(lái)計(jì)算差分固定的浮點(diǎn)濾波器的個(gè)數(shù). 函數(shù) cvCornerMinEigenVal 與 cvCornerEigenValsAndVecs 類似，但是它僅僅計(jì)算和存儲(chǔ)每個(gè)象素點(diǎn)差分相關(guān)矩陣的最小特征值，即前一個(gè)函數(shù)的 min(λ1, λ2)CornerHarris哈里斯（Harris）角點(diǎn)檢測(cè)void cvCornerHarris( const CvArr* image, CvArr* harris_responce, int block_size, int aperture_size=3, double k= )。 block_size 鄰域大?。ㄒ婈P(guān)于cvCornerEigenValsAndVecs的討論）。參見下面的公式。然后，將 det(M) k*trace(M)2 （這里2是平方） 保存到輸出圖像中。如果 win=(5,5) 那么使用 5*2+1 5*2+1 = 11 11 大小的搜索窗口 zero_zone 死區(qū)的一半尺寸，死區(qū)為不對(duì)搜索區(qū)的中央位置做求和運(yùn)算的區(qū)域。即角點(diǎn)位置的確定，要么迭代數(shù)大于某個(gè)設(shè)定值，或者是精確度達(dá)到某個(gè)設(shè)定值?？紤]以下的表達(dá)式：εi=DIpiT?(qpi)其中，DIpi表示在q的一個(gè)鄰域點(diǎn)pi處的圖像梯度，q的值通過(guò)最小化εi得到。image 輸入圖像，8位或浮點(diǎn)32比特，單通道 eig_image 臨時(shí)浮點(diǎn)32位圖像，尺寸與輸入圖像一致 temp_image 另外一個(gè)臨時(shí)圖像，格式與尺寸與 eig_image 一致 corners 輸出參數(shù)，檢測(cè)到的角點(diǎn) corner_count 輸出參數(shù)，檢測(cè)到的角點(diǎn)數(shù)目 quality_level 最大最小特征值的乘法因子。使用 Euclidian 距離 mask ROI:感興趣區(qū)域。 函數(shù) cvGoodFeaturesToTrack 在圖像中尋找具有大特征值的角點(diǎn)。最后，函數(shù)確保所有發(fā)現(xiàn)的角點(diǎn)之間具有足夠的距離，（最強(qiáng)的角點(diǎn)第一個(gè)保留，然后檢查新的角點(diǎn)與已有角點(diǎn)之間的距離大于 min_distance ）。當(dāng)?shù)鞒跏蓟?，連接兩點(diǎn)的光柵線上所有點(diǎn)，都可以連續(xù)通過(guò)調(diào)用 CV_NEXT_LINE_POINT 來(lái)得到。 int count = cvInitLineIterator( image, pt1, pt2, amp。 i++ ){ blue_sum += [0]。 /* print the pixel coordinates: demonstrates how to calculate the coordinates */ { int offset, x, y。 printf((%d,%d)\n, x, y )。它讀取由 pt1 和 pt2 兩點(diǎn)確定的線段上的所有圖像點(diǎn)，包括終點(diǎn)，并存儲(chǔ)到緩存中。對(duì)多通道圖像，每個(gè)通道獨(dú)立單獨(dú)完成提取。 的象素點(diǎn)值通過(guò)雙線性變換得到。 /* the first mand line parameter must be image file name */ if( argc==2 amp。 int angle = 0。) { float m[6]。 int h = srcheight。 m[3] = m[1]。M, 1, cvScalarAll(0))。 angle = (angle + delta) % 360。 CV_INTER_NN 最近鄰插值, 當(dāng)圖像放大時(shí)，類似于 CV_INTER_NN 方法.. CV_WARP_FILL_OUTLIERS 填充所有輸出圖像的象素。 fillval 用來(lái)填充邊界外面的值 函數(shù) cvWarpAffine 利用下面指定的矩陣變換輸入圖像：而 cvGetQuadrangleSubPix 可以精確地從8位圖像中提取四邊形到浮點(diǎn)數(shù)緩存區(qū)中，具有比較小的系統(tǒng)開銷，而且總是全部改變輸出圖像的內(nèi)容。 dst 輸出圖像的相應(yīng)的三角形頂點(diǎn)坐標(biāo)。i),src(i) = (xi,yi),i = 0..2. 2DRotationMatrix計(jì)算二維旋轉(zhuǎn)的仿射變換矩陣CvMat* cv2DRotationMatrix( CvPoint2D32f center, double angle, double scale, CvMat* map_matrix )。 CV_WARP_FILL_OUTLIERS 填充所有縮小圖像的象素。 fillval 用來(lái)填充邊界外面的值 函數(shù) cvWarpPerspective 利用下面指定矩陣變換輸入圖像：src 輸入圖像的四邊形的4個(gè)點(diǎn)坐標(biāo) dst 輸出圖像的對(duì)應(yīng)四邊形的4個(gè)點(diǎn)坐標(biāo) map_matrix 輸出的 33 矩陣 函數(shù) cvWarpPerspectiveQMatrix 計(jì)算透視變換矩陣，使得：(tix39。i), src(i)=(xi,yi), i=0..3.GetPerspectiveTransform由四對(duì)點(diǎn)計(jì)算透射變換CvMat* cvGetPerspectiveTransform( const CvPoint2D32f* src, const CvPoint2D32f* dst, CvMat* map_matrix )。 函數(shù)cvGetPerspectiveTransform計(jì)算滿足以下關(guān)系的透射變換矩陣：Remap