图 API： 图像特征检测

详细描述

函数
GMat	cv::gapi::Canny (const GMat &image, double threshold1, double threshold2, int apertureSize=3, bool L2gradient=false)
	使用 Canny 算法查找图像中的边缘。
GArray< Point2f >	cv::gapi::goodFeaturesToTrack (const GMat &image, int maxCorners, double qualityLevel, double minDistance, const Mat &mask=Mat(), int blockSize=3, bool useHarrisDetector=false, double k=0.04)
	确定图像上的强角点。

函数文档

Canny()

GMat cv::gapi::Canny	(	const GMat &	image,
		double	threshold1,
		double	threshold2,
		int	apertureSize = 3,
		bool	L2gradient = false
	)

Python
	cv.gapi.Canny(	image, threshold1, threshold2[, apertureSize[, L2gradient]]	) ->	retval

#include <opencv2/gapi/imgproc.hpp>

使用 Canny 算法查找图像中的边缘。

该函数使用 Canny 算法查找输入图像中的边缘，并在输出映射边缘中标记它们。threshold1 和 threshold2 之间的最小值用于边缘连接。最大值用于查找强边缘的初始段。参见 http://en.wikipedia.org/wiki/Canny_edge_detector

注意

函数文本 ID 为“org.opencv.imgproc.feature.canny”

参数

image	8 位输入图像。
threshold1	滞后过程的第一个阈值。
threshold2	滞后过程的第二个阈值。
apertureSize	Sobel 算子的孔径大小。
L2gradient	一个标志，指示是否应使用更精确的 \(L_2\) 范数 \(=\sqrt{(dI/dx)^2 + (dI/dy)^2}\) 来计算图像梯度幅度 ( L2gradient=true )，或者是否默认的 \(L_1\) 范数 \(=|dI/dx|+|dI/dy|\) 足够 ( L2gradient=false )。

goodFeaturesToTrack()

GArray< Point2f > cv::gapi::goodFeaturesToTrack	(	const GMat &	image,
		int	maxCorners,
		double	qualityLevel,
		double	minDistance,
		const Mat &	mask = Mat(),
		int	blockSize = 3,
		bool	useHarrisDetector = false,
		double	k = 0.04
	)

Python
	cv.gapi.goodFeaturesToTrack(	image, maxCorners, qualityLevel, minDistance[, mask[, blockSize[, useHarrisDetector[, k]]]]	) ->	retval

#include <opencv2/gapi/imgproc.hpp>

确定图像上的强角点。

该函数在图像或指定的图像区域中找到最突出的角点，如 [244] 中所述。

• 函数使用 cornerMinEigenVal 或 cornerHarris 在每个源图像像素处计算角点质量度量。
• 函数执行非最大抑制（保留 3 x 3 邻域中的局部最大值）。
• 最小特征值小于 \(\texttt{qualityLevel} \cdot \max_{x,y} qualityMeasureMap(x,y)\) 的角点将被拒绝。
• 剩余的角点按质量度量降序排序。
• 函数丢弃每个距离小于 maxDistance 的更强角点的角点。

该函数可用于初始化对象的基于点的跟踪器。

注意

• 如果该函数使用参数 qualityLevel 的不同值 A 和 B 调用，并且 A > B，则使用 qualityLevel=A 返回的角点向量将是使用 qualityLevel=B 的输出向量的前缀。
• 函数文本 ID 为“org.opencv.imgproc.feature.goodFeaturesToTrack”

参数

image	输入 8 位或浮点 32 位单通道图像。
maxCorners	要返回的最大角点数。如果找到的角点数超过此数，则返回最强的角点。maxCorners <= 0 表示对最大值没有限制，并且返回所有检测到的角点。
qualityLevel	表征图像角点最小可接受质量的参数。参数值乘以最佳角点质量度量，即最小特征值（参见 cornerMinEigenVal ）或 Harris 函数响应（参见 cornerHarris ）。质量度量小于乘积的角点将被拒绝。例如，如果最佳角点的质量度量 = 1500，并且 qualityLevel=0.01 ，则所有质量度量小于 15 的角点将被拒绝。
minDistance	返回的角点之间可能的最小欧几里德距离。
mask	可选的感兴趣区域。如果图像不为空（它需要具有 CV_8UC1 类型以及与 image 相同的大小），则它指定检测角点的区域。
blockSize	用于计算每个像素邻域的导数协方差矩阵的平均块的大小。参见 cornerEigenValsAndVecs 。
useHarrisDetector	指示是否使用 Harris 检测器（参见 cornerHarris ）或 cornerMinEigenVal 的参数。
k	Harris 检测器的自由参数。

返回值

检测到的角点的向量。