【正文】 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 ）。然后進(jìn)行非最大值抑制（僅保留3x3鄰域中的局部最大值）。 函數(shù) cvGoodFeaturesToTrack 在圖像中尋找具有大特征值的角點(diǎn)。 必須為單通道的灰度圖，大小與輸入圖像相同。使用 Euclidian 距離 mask ROI:感興趣區(qū)域。 min_distance 限制因子。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。調(diào)用第一個(gè)梯度參數(shù)G和第二個(gè)梯度參數(shù)b，得到：q=G1?b該算法將搜索窗的中心設(shè)為新的中心q，然后迭代，直到找到低于某個(gè)閾值點(diǎn)的中心位置?？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。 函數(shù) cvFindCornerSubPix 通過(guò)迭代來(lái)發(fā)現(xiàn)具有子象素精度的角點(diǎn)位置，或如圖所示的放射鞍點(diǎn)（radial saddle points）。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。當(dāng)值為 (1,1) 表示沒(méi)有死區(qū)。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。FindCornerSubPix精確角點(diǎn)位置void cvFindCornerSubPix( const CvArr* image, CvPoint2D32f* corners, int count, CvSize win, CvSize zero_zone, CvTermCriteria criteria )。然后，將 det(M) k*trace(M)2 （這里2是平方） 保存到輸出圖像中。類似于 cvCornerMinEigenVal 和 cvCornerEigenValsAndVecs。參見(jiàn)下面的公式。格式. 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)。 block_size 鄰域大?。ㄒ?jiàn)關(guān)于cvCornerEigenValsAndVecs的討論）。 harris_responce 存儲(chǔ)哈里斯（Harris）檢測(cè)responces的圖像。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(jiàn)討論 cvCornerEigenValsAndVecs). aperture_size Sobel 算子的核尺寸(見(jiàn) 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= )。必須比輸入圖像寬 6 倍。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 )。cvReleaseImage( amp。cvReleaseImage( amp。cvSubS( corners, dilated_corners, corners )。cvPreCornerDetect( image, corners, 3 )。IplImage* dilated_corners = cvCloneImage(image)。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(jiàn)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。 image 單通道輸入圖像. edges 單通道存儲(chǔ)邊緣的輸出圖像 threshold1 第一個(gè)閾值 threshold2 第二個(gè)閾值 aperture_size Sobel 算子內(nèi)核大小 (見(jiàn) cvSobel). 函數(shù) cvCanny 采用 CANNY 算法發(fā)現(xiàn)輸入圖像的邊緣而且在輸出圖像中標(biāo)識(shí)這些邊緣。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。所有輸入和輸出圖像都必須是單通道的，并且具有相同的圖像尺寸或者ROI尺寸。當(dāng)然可以用函數(shù) cvConvertScale 或 cvConvertScaleAbs 轉(zhuǎn)換為 8 位的。由于該函數(shù)不進(jìn)行圖像尺度變換，所以和輸入圖像(數(shù)組)相比，輸出圖像(數(shù)組)的元素通常具有更大的絕對(duì)數(shù)值（譯者注：即像素的位深）。第一種情況對(duì)應(yīng)：核。函數(shù) cvSobel 通過(guò)對(duì)圖像用相應(yīng)的內(nèi)核進(jìn)行卷積操作來(lái)計(jì)算圖像差分：由于Sobel 算子結(jié)合了 Gaussian 平滑和微分，所以，其結(jié)果或多或少對(duì)噪聲有一定的魯棒性。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。 除了尺寸為 1， 其它情況下， aperture_size aperture_size 可分離內(nèi)核將用來(lái)計(jì)算差分。 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 )。 8 特殊圖像變換 o HoughLines o HoughCircles o DistTransform o Inpaint 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 4 濾波器與色彩空間變換 o Smooth o Filter2D o CopyMakeBorder o Integral o CvtColor o Threshold o AdaptiveThreshold 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 目錄 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 3 形態(tài)學(xué)操作 o CreateStructuringElementEx o ReleaseStructuringElement o Erode o Dilate o MorphologyEx 5 金字塔及其應(yīng)用 o PyrDown o PyrUp 7 圖像與輪廓矩 o Moments o GetSpatialMoment o GetCentralMoment o GetNormalizedCentralMoment o GetHuMoments 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 src 輸入圖像. dst 輸出圖像. xorder x 方向上的差分階數(shù) yorder y 方向上的差分階數(shù) aperture_size 擴(kuò)展 Sobel 核的大小，必須是 1, 3, 5 或 7。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）。Scharr 濾波器系數(shù)是： 對(duì) x方向 或矩陣轉(zhuǎn)置后對(duì) y方向。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。第二種對(duì)應(yīng)：或者核的選則依賴于圖像原點(diǎn)的定義 (origin 來(lái)自 IplImage 結(jié)構(gòu)的定義)。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。除了 8位 圖像，函數(shù)也接受 32位 浮點(diǎn)數(shù)圖像。Laplace計(jì)算圖像的 Laplacian 變換void cvLaplace( const CvArr* src, CvArr* dst, int aperture_size=3 )。Canny采用 Canny 算法做邊緣檢測(cè)void cvCanny( const CvArr* image, CvArr* edges, double threshold1, double threshold2, 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。 注意事項(xiàng)：cvCanny只接受單通道圖像作為輸入。 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(jiàn)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 )。 角點(diǎn)被認(rèn)為是函數(shù)的局部最大值：// 假設(shè)圖像格式為浮點(diǎn)數(shù)IplImage* corners = cvCloneImage(image)。IplImage* corner_mask = cvCreateImage( cvGetSize(image), 8, 1 )。cvDilate( corners, dilated_corners, 0, 1 )。cvCmpS( corners, 0, corner_mask, CV_CMP_GE )。corners )。dilated_corners )。image 輸入圖像. eigenvv 保存結(jié)果的數(shù)組。 block_size 鄰域大