关于opencv从图中画圈的思考

door

  1. 读取图像;
  2. 对图像进行操作;
  3. 识别球门;
  4. 识别途中白色区域;
  5. 从图像上一行一行的扫描识别像素BGR值为(0,0,255);

直到出现有白色区域时开始记录数据,可以将第一次扫描到点所在的第一行下十行进行最左边的白色点的记录,以及最右边点的记录。从这两个点的所在列搜索一直到最下面的绿色边界为止,进行对这两个点的记录,划定出一个矩形区域。

(这里倒是也可以用最上面的点,最下面的点,最左边的点,最右边的点,这四个点来做划定,似乎可能有偏差?)
(可以试试哪一种更好一些)


Circle————
    C++: void circle(Mat&img, Point center, int radius, const Scalar&color,int thickness=1, int lineType=8, int shift=0)
    Parameters:
        img – 要画圆的那个矩形.
        center – 圆心坐标.
        radius – 半径.
        color – 圆边框颜色,scalar类型的
        thickness – 正值表示圆边框宽度. 负值表示画一个填充圆形
        lineType – 圆边框线型
        shift – 圆心坐标和半径的小数点位数

  1. 用坐标求出中点,四点相加求平均;
  2. 点到四点之一的距离作半径;
  3. 颜色随意,暂用(0,255,255);
  4. 宽度为1;
  5. 对于shift参数,缺省吧;

以下是我的程序,求指教,有问题

#include <iostream>
#include "opencv2/opencv.hpp"
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "math.h"

using namespace cv;
using namespace std;

int main()
{   
    Point zs,ys,zx,yx;
    Mat img = imread( "src\\door.jpg", 0);//二值化
    imshow("img",img);
    threshold(img, img, 200, 255, THRESH_BINARY); 
    imshow("img2",img);

    for (int i = 0; i < img.rows; ++i)
    {
        for (int j = 0; j < img.cols; ++j)
        {
            if (int(img.at<uchar>(i,j)) == 255 && int(img.at<uchar>(i,j-10)) == 0)
            {
                zs.x = i + 10;
                zs.y = j;
                for (int k = i;k < img.rows; ++k)
                {
                    //可以考虑做一个子函数,专门用来辨别几行或几列是否颜色一样
                    if (int(img.at<uchar>(i,j)) == 0)
                    {
                        if (int(img.at<uchar>(i + 10,j)) == 0)
                        {
                            zx.x = i;
                            zx.y = j;

                        }
                    }
                    break;
                }
            }
            if (int(img.at<uchar>(i,j)) == 255 && int(img.at<uchar>(i,j+10)) == 0)
            {
                ys.x = i + 10;
                ys.y = j;
                for (int k = i;k < img.rows; ++k)
                {
                    //可以考虑做一个子函数,专门用来辨别几行或几列是否颜色一样
                    if (int(img.at<uchar>(i,j)) == 0)
                    {
                        if (int(img.at<uchar>(i + 10,j)) == 0)
                        {
                            yx.x = i;
                            yx.y = j;
                        }
                    }
                    break;
                }
             }
        }
    }

    Point center;

    center.x = (zs.x + yx.x + zx.x + ys.x) / 4;
    center.y = (zs.y + yx.y + zx.y + ys.y) / 4;
    int radius = sqrt((double)((zs.x-center.x)*(zs.x-center.x)+(zs.y-center.y)*(zs.y-center.y)));

    circle(img, center, radius, Scalar(0,255,255), 1, 8);

    imshow("img3",img);

    waitKey(0);

    return 0;
}

执行错误

略感奔溃……
求指教

<think>嗯,用户问的是SIFT算法中一个位置提取多个特征点怎么显示出来。首先我得回忆一下SIFT的基本流程,对吧?SIFT主要步骤包括尺度空间极值检测、关键点定位、方向确定和描述子生成。用户的问题集中在同一位置提取多个特征点,可能指的是在不同尺度或不同方向下同一个位置有多个特征点的情况。 那首先,我需要确认,SIFT算法中是否真的会在同一位置提取多个特征点。根据我之前的了解,SIFT通过高斯差分金字塔检测极值点,这些极值点是在不同的尺度和空间位置找到的。如果同一个空间位置在不同尺度层或相邻层中被检测到极值,那么可能会有多个特征点。不过,通常在关键点定位阶段,会剔除低对比度和边缘响应不稳定的点,所以可能同一位置经过不同参数处理后会有多个关键点保留下来。 接下来,用户关心的是如何将这些多个特征点显示出来。可视化的话,通常用OpenCV的话,cv2.drawKeypoints函数可以绘制关键点。但默认情况下,可能同一个位置的关键点会被覆盖,或者因为坐标相近而显示成一个点。所以需要思考如何区分显示多个特征点。 可能的解决办法是,在可视化时,为每个关键点设置不同的颜色或标记,以区分不同的特征点。比如,根据它们的尺度大小或者方向来设置颜色,或者用不同的形状表示不同的特征。或者,调整关键点的显示参数,比如大小、方向线,让它们即使位置相近也能被分辨出来。 另外,可能需要考虑特征点的方向。SIFT中每个关键点会分配一个主方向,如果有多个方向被分配给同一位置(比如在方向分配阶段,如果有多个显著方向),那么可能会有多个特征点。这种情况下,在显示时,可以用不同的箭头方向来表示不同的方向。 不过,实际应用中,同一个物理位置在图像中可能对应不同尺度的特征,比如边缘和角点在不同尺度下的表现不同,所以这些特征点虽然在同一个位置,但可能属于不同的尺度层。这时候,显示时可以用不同大小的圆圈来表示不同的尺度,这样即使位置相同,不同大小的圆圈也能区分开。 举个例子,在OpenCV中,每个关键点对象包含位置(x,y)、大小(尺度)、方向等属性。绘制时,可以根据尺度设置圆圈的半径,方向用线条表示。如果同一位置有多个关键点,每个关键点可能有不同的半径和方向,这样绘制出来就能看到多个特征点。 另外,可能需要检查关键点的坐标是否完全相同,或者只是非常接近。如果是非常接近但不是完全相同,稍微调整绘制的位置,避免完全重叠。或者,在可视化时,允许一定的偏移,让它们稍微分开显示。 总结一下,步骤可能是: 1. 提取关键点后,检查同一位置是否有多个关键点。 2. 根据这些关键点的属性(尺度、方向)设置不同的可视化参数。 3. 使用不同的颜色、大小、方向箭头来区分显示。 不过,用户可能需要具体的代码示例,或者更详细的步骤说明。比如在Python中如何遍历关键点,找到同一位置的那些,然后分别绘制。或者使用OpenCV的功能来调整绘制样式。 另外,需要注意的是,SIFT算法本身在关键点检测时,是否允许同一坐标存在多个关键点。可能在实际处理中,经过非极大值抑制等步骤后,同一位置可能不会保留多个关键点,除非在不同octave或scale下。所以可能需要查看具体的实现或者参数设置,是否关闭了某些过滤步骤,允许保留更多的关键点。 总的来说,显示同一位置的多个特征点,需要利用关键点的属性,如尺度、方向,通过不同的可视化参数来区分,确保它们在图像上能够被观察者分辨出来。</think>SIFT算法中同一位置提取多个特征点的显示方法可通过以下步骤实现: --- ### **步骤1:理解SIFT特征点来源** SIFT特征点通过高斯差分金字塔(DoG)检测局部极值点,若同一空间位置在不同尺度(scale)或主方向(orientation)下满足特征条件,则会被保留为多个特征点。例如: - 同一像素位置在不同尺度层(octave)中可能被检测为极值点。 - 同一位置可能分配多个主方向(如梯度直方存在多个峰值)。 --- ### **步骤2:提取关键点属性** 每个SIFT关键点包含以下属性: - **坐标**$(x,y)$:位置信息。 - **尺度**$\sigma$:特征点所在的尺度层级。 - **方向**$\theta$:主方向(弧度制)。 - **描述子**:128维向量。 --- ### **步骤3:可视化方法** 使用**OpenCV**等工具可视化时,需区分显示同一位置的多个特征点: #### **方法1:按尺度分层显示** - **原理**:不同尺度对应不同圆圈半径。 - **实现**: ```python import cv2 # 提取关键点后遍历 for kp in keypoints: x, y = kp.pt size = int(kp.size) # 尺度决定半径 angle = kp.angle # 方向 cv2.circle(img, (int(x), int(y)), size, (0,255,0), 1) # 画不同半径的圆 cv2.line(img, (int(x), int(y)), (int(x + size * np.cos(np.deg2rad(angle))), int(y + size * np.sin(np.deg2rad(angle)))), (0,0,255), 1) # 画方向线 ``` #### **方法2:按方向颜色编码** - **原理**:用不同颜色表示不同主方向(如HSV色轮映射)。 - **实现**: ```python for kp in keypoints: angle = kp.angle hue = int(180 * angle / 360) # 方向映射到色相 color = cv2.cvtColor(np.uint8([[[hue, 255, 255]]]), cv2.COLOR_HSV2BGR)[0][0] cv2.drawMarker(img, (int(x), int(y)), color, markerType=cv2.MARKER_CROSS) ``` #### **方法3:标注多方向箭头** - **原理**:同一位置绘制多个方向箭头。 - **实现**: ```python for kp in keypoints: if (x,y) in same_position_group: for angle in kp.multi_orientations: # 假设支持多方向 dx = length * np.cos(angle) dy = length * np.sin(angle) cv2.arrowedLine(img, (int(x), int(y)), (int(x+dx), int(y+dy)), (255,0,0)) ``` --- ### **步骤4:验证与调试** 1. **检查关键点坐标**:确认是否同一$(x,y)$存在多个`KeyPoint`对象。 2. **调整可视化参数**:避免重叠覆盖,例如设置透明度或偏移显示。 --- ### **示例效果** - **左**:默认显示(可能重叠)。 - **右**:按尺度和颜色区分后的显示效果(多个圆圈和方向线)。 --- ### **注意事项** - SIFT默认会过滤低对比度和边缘响应点,若需保留更多特征点,需调整参数`contrastThreshold`和`edgeThreshold`。 - 同一物理位置可能因噪声或纹理重复导致多特征点,需结合实际场景分析。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值