OpenCV学习笔记-亚像素级精确度的角点-Python版

当要求的点P位于一个区域的内部时，点p边缘是平缓的，它的梯度值为0，此时向量 的与p的梯度点积为0，；
当点p位于区域的边缘的时候，向量 与区域平行，而p的梯度值则与边缘垂直，此时向量 的与p的梯度点积为0。

这两种情况下，向量 与P点的梯度都是正交的。先假设起始角点q在实际亚像素级角点p附近，则我们可以在要求的p点的周围取到很多p点的梯度和相关向量 令其点积为0，然后就可以通过求解方程组，方程组的解就是角点q的亚像素精度的位置，也就是精确角点的位置。 （学习OpenCV里有讲到）

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt

img = cv.imread('img/chessboard.png')
img = cv.resize(img, (int(img.shape[1]*0.2), int(img.shape[0]*0.2)))
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
gray = np.float32(gray)

dst = cv.cornerHarris(gray, 2, 3, 0.04)
dst = cv.dilate(dst, None)
ret, dst = cv.threshold(dst, 0.01*dst.max(), 255, cv.THRESH_BINARY)
dst = np.uint8(dst)
cv.imwrite('img/thresh3.png', dst)

ret, labels, stats, centroids = cv.connectedComponentsWithStats(dst)
'''
connectedComponentsWithStats(image, labels=None, stats=None, centroids=None, connectivity=None, ltype=None)
ret： 返回的标签的数量
labels： 输入图像的大小的矩阵，其中每个元素的值都等于其标签
Stats is a matrix of the stats that the function calculates. It has a length equal to the number of labels and a width equal to the number of stats.
stats：  函数计算的统计信息的矩阵。它的行等于标签的数量，列数等于统计到的信息数量（5个）。
        每个标签的统计输出，包括背景标签。
        输出格式为[cv2.CC_STAT_LEFT, CV.CC_STAT_TOP, CV.CC_STAT_WIDTH, CV.CC_STAT_HEIGHT, CV.CC_STAT_AREA]
        CV.CC_STAT_LEFT： 最左边的（x）坐标，它是水平方向上边界框的包含开始
        CV.CC_STAT_TOP： 最上边的(y)坐标，它是垂直方向上边界框的包含开始
        CV.CC_STAT_TOP： 边界框的水平大小
        CV.CC_STAT_TOP： 边界框的垂直大小
        CV.CC_STAT_TOP： 连接组件的总面积（以像素为单位）
        可以通过stats[label, column]访问
centroids: 具有每个质心的x和y位置的矩阵。此矩阵中的行对应于标签号。
'''
print(ret)
# print(labels)
# print(labels[2])
print(stats.shape)
# print(centroids)

#定义停止和细化角点的标准
criteria = (cv.TERM_CRITERIA_EPS + cv.TERM_CRITERIA_MAX_ITER, 100, 0.001)

corners = cv.cornerSubPix(gray, np.float32(centroids), (5, 5), (-1, -1), criteria)
'''
cornerSubPix(image, corners, winSize, zeroZone, criteria)
image： 8位单通道的灰度图像。
corners： 为整数值的像素位置
winSize： 指定了等式产生的窗口尺寸。
zeroZone： 定义了一个禁区（与win相似，但通常比win小），这个区域在方程组以及自相关矩阵中不被考虑。设置（-1，-1）表示不需要这个区域
criteria：  终止条件。可以是最大迭代次数cv.TERM_CRITERIA_MAX_ITER，或者设定的精度cv.TERM_CRITERIA_EPS类型，或者两者的组合。
'''
print(corners)
res = np.hstack((centroids, corners))
res = np.int0(res)
print(res)

img[res[:, 1], res[:, 0]] = [0, 0, 255]
img[res[:, 3], res[:, 2]] = [0, 255, 0]

cv.imwrite('img/subpixel2.png', img)

cv.waitKey(0)
cv.destroyAllWindows()