您的位置：首页 > 运维架构

【OpenCV入门教程之十七】OpenCV重映射 & SURF特征点检测合辑

2016-03-17 16:14 746 查看

【OpenCV入门教程之十七】OpenCV重映射 & SURF特征点检测合辑

时间 2014-06-15 11:38:42 毛星云（浅墨）的专栏
原文 http://blog.csdn.net/poem_qianmo/article/details/30974513
主题 OpenCV

本系列文章由 @浅墨_毛星云出品，转载请注明出处。

文章链接： /article/1381153.html

作者：毛星云（浅墨）微博： http://weibo.com/u/1723155442

http://www.zhihu.com/people/mao-xing-yun

邮箱： happylifemxy@163.com
写作当前博文时配套使用的OpenCV版本： 2.4.9

本篇文章中，我们一起探讨了OpenCV中重映射和SURF特征点检测相关的知识点，主要一起了解OpenCV中重映射相关的函数remap，SURF算法在OpenCV中的体现与应用。此博文一共有三个配套的麻雀虽小但五脏俱全的示例程序，其经过浅墨详细注释过的代码都在文中贴出，且文章最后提供了综合示例程序的下载。

依然是先看看程序运行截图。

重映射：

SURF特征点检测：

一、OpenCV重映射

1.1 重映射的概念简析

重映射，就是把一幅图像中某位置的像素放置到另一个图片指定位置的过程。为了完成映射过程, 我们需要获得一些插值为非整数像素的坐标,因为源图像与目标图像的像素坐标不是一一对应的。一般情况下，我们通过重映射来表达每个像素的位置 (x,y)，像这样 :

g(x,y) = f ( h(x,y) )

在这里， g( ) 是目标图像, f() 是源图像, 而h(x,y) 是作用于 (x,y) 的映射方法函数。

来看个例子。若有一幅图像 I ,想满足下面的条件作重映射:

h(x,y) = (I.cols - x, y )

这样的话，图像会按照 x 轴方向发生翻转。那么，源图像和效果图分别如下:

在OpenCV中，我们用函数remap( )来实现简单重映射，下面我们就一起来看看这个函数。

1.2 remap( )函数解析

remap( )函数会根据我们指定的映射形式，将源图像进行重映射几何变换，基于的式子如下：

需要注意，此函数不支持就地（in-place）操作。看看其原型和参数。

C++: void remap(InputArray src, OutputArraydst, InputArray map1, InputArray map2, int interpolation, intborderMode=BORDER_CONSTANT, const Scalar& borderValue=Scalar())

第一个参数，InputArray类型的src，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位或者浮点型图像。
第二个参数，OutputArray类型的dst，函数调用后的运算结果存在这里，即这个参数用于存放函数调用后的输出结果，需和源图片有一样的尺寸和类型。
第三个参数，InputArray类型的map1，它有两种可能的表示对象。

表示点（x，y）的第一个映射。
表示CV_16SC2 , CV_32FC1 或CV_32FC2类型的X值。

第四个参数，InputArray类型的map2，同样，它也有两种可能的表示对象，而且他是根据map1来确定表示那种对象。

若map1表示点（x，y）时。这个参数不代表任何值。
表示CV_16UC1 , CV_32FC1类型的Y值（第二个值）。

第五个参数，int类型的interpolation,插值方式，之前的resize( )函数中有讲到，需要注意，resize( )函数中提到的INTER_AREA插值方式在这里是不支持的，所以可选的插值方式如下：

INTER_NEAREST - 最近邻插值
INTER_LINEAR – 双线性插值（默认值）
INTER_CUBIC – 双三次样条插值（逾4×4像素邻域内的双三次插值）
INTER_LANCZOS4 -Lanczos插值（逾8×8像素邻域的Lanczos插值）

第六个参数，int类型的borderMode，边界模式，有默认值BORDER_CONSTANT，表示目标图像中“离群点（outliers）”的像素值不会被此函数修改。
第七个参数，const Scalar&类型的borderValue，当有常数边界时使用的值，其有默认值Scalar( )，即默认值为0。

1.3 详细注释的重映射示例程序

下面放出精简后的以remap函数为核心的示例程序，方便大家快速掌握remap函数的使用方法。

//-----------------------------------【头文件包含部分】---------------------------------------
//	     描述：包含程序所依赖的头文件
//----------------------------------------------------------------------------------------------
#include"opencv2/highgui/highgui.hpp"
#include"opencv2/imgproc/imgproc.hpp"
#include <iostream>

//-----------------------------------【命名空间声明部分】--------------------------------------
//	  描述：包含程序所使用的命名空间
//-----------------------------------------------------------------------------------------------
using namespace cv;

//-----------------------------------【main( )函数】--------------------------------------------
//	  描述：控制台应用程序的入口函数，我们的程序从这里开始执行
//-----------------------------------------------------------------------------------------------
int main( )
{
//【0】变量定义
MatsrcImage, dstImage;
Matmap_x, map_y;

//【1】载入原始图
srcImage= imread( "1.jpg", 1 );
if(!srcImage.data) { printf("读取图片错误，请确定目录下是否有imread函数指定的图片存在~！ \n"); return false; }
imshow("原始图",srcImage);

//【2】创建和原始图一样的效果图，x重映射图，y重映射图
dstImage.create(srcImage.size(), srcImage.type() );
map_x.create(srcImage.size(), CV_32FC1 );
map_y.create(srcImage.size(), CV_32FC1 );

//【3】双层循环，遍历每一个像素点，改变map_x & map_y的值
for(int j = 0; j < srcImage.rows;j++)
{
for(int i = 0; i < srcImage.cols;i++)
{
//改变map_x & map_y的值.
map_x.at<float>(j,i)= static_cast<float>(srcImage.cols - i);
map_y.at<float>(j,i)= static_cast<float>(j);
}
}

//【4】进行重映射操作
remap(srcImage, dstImage, map_x, map_y, CV_INTER_LINEAR, BORDER_CONSTANT, Scalar(0,0,0) );

//【5】显示效果图
imshow("【程序窗口】", dstImage );
waitKey();

return0;
}

显示效果图：

最近在举行世界杯，这里的图片素材就是巴西队的球星们~

1.4 OpenCV2.X中remap函数源代码

这里我们放出remap函数的源码，供需要了解其实现细节的朋友们观看，浅墨在这里不花时间对其进行剖析。

void cv::remap( InputArray _src,OutputArray _dst,
InputArray _map1, InputArray_map2,
int interpolation, intborderType, const Scalar& borderValue )
{
static RemapNNFunc nn_tab[] =
{
remapNearest<uchar>, remapNearest<schar>,remapNearest<ushort>, remapNearest<short>,
remapNearest<int>, remapNearest<float>,remapNearest<double>, 0
};

static RemapFunc linear_tab[] =
{
remapBilinear<FixedPtCast<int, uchar, INTER_REMAP_COEF_BITS>,RemapVec_8u, short>, 0,
remapBilinear<Cast<float, ushort>, RemapNoVec, float>,
remapBilinear<Cast<float, short>, RemapNoVec, float>, 0,
remapBilinear<Cast<float, float>, RemapNoVec, float>,
remapBilinear<Cast<double, double>, RemapNoVec, float>, 0
};

static RemapFunc cubic_tab[] =
{
remapBicubic<FixedPtCast<int, uchar, INTER_REMAP_COEF_BITS>,short, INTER_REMAP_COEF_SCALE>, 0,
remapBicubic<Cast<float, ushort>, float, 1>,
remapBicubic<Cast<float, short>, float, 1>, 0,
remapBicubic<Cast<float, float>, float, 1>,
remapBicubic<Cast<double, double>, float, 1>, 0
};

static RemapFunc lanczos4_tab[] =
{
remapLanczos4<FixedPtCast<int, uchar, INTER_REMAP_COEF_BITS>,short, INTER_REMAP_COEF_SCALE>, 0,
remapLanczos4<Cast<float, ushort>, float, 1>,
remapLanczos4<Cast<float, short>, float, 1>, 0,
remapLanczos4<Cast<float, float>, float, 1>,
remapLanczos4<Cast<double, double>, float, 1>, 0
};

Mat src = _src.getMat(), map1 = _map1.getMat(), map2 = _map2.getMat();

CV_Assert( map1.size().area() > 0 );
CV_Assert( !map2.data || (map2.size() == map1.size()));

_dst.create( map1.size(), src.type() );
Mat dst = _dst.getMat();
if( dst.data == src.data )
src = src.clone();

int depth = src.depth();
RemapNNFunc nnfunc = 0;
RemapFunc ifunc = 0;
const void* ctab = 0;
bool fixpt = depth == CV_8U;
bool planar_input = false;

if( interpolation == INTER_NEAREST )
{
nnfunc = nn_tab[depth];
CV_Assert( nnfunc != 0 );
}
else
{
if( interpolation == INTER_AREA )
interpolation = INTER_LINEAR;

if( interpolation == INTER_LINEAR )
ifunc = linear_tab[depth];
else if( interpolation == INTER_CUBIC )
ifunc = cubic_tab[depth];
else if( interpolation == INTER_LANCZOS4 )
ifunc = lanczos4_tab[depth];
else
CV_Error( CV_StsBadArg, "Unknown interpolation method" );
CV_Assert( ifunc != 0 );
ctab = initInterTab2D( interpolation, fixpt );
}

const Mat *m1 = &map1, *m2 = &map2;

if( (map1.type() == CV_16SC2 && (map2.type() == CV_16UC1 ||map2.type() == CV_16SC1 || !map2.data)) ||
(map2.type() == CV_16SC2 && (map1.type() == CV_16UC1 ||map1.type() == CV_16SC1 || !map1.data)) )
{
if( map1.type() != CV_16SC2 )
std::swap(m1, m2);
}
else
{
CV_Assert( ((map1.type() == CV_32FC2 || map1.type() == CV_16SC2)&& !map2.data) ||
(map1.type() == CV_32FC1 && map2.type() == CV_32FC1) );
planar_input = map1.channels() == 1;
}

RemapInvoker invoker(src, dst, m1, m2, interpolation,
borderType,borderValue, planar_input, nnfunc, ifunc,
ctab);
parallel_for_(Range(0, dst.rows), invoker,dst.total()/(double)(1<<16));
}

好了，重映射先就讲这么多，在文章末尾还有一个综合一点的示例程序供大家学习。下面我们开始讲解SURF相关的内容。

二．SURF特征点检测

SURF算法有一些不错的内容和用法，OpenCV中使用颇多，浅墨会花一些篇幅对其进行讲解。今天的这篇文章只是一个小小的开头，主要介绍SURF特征点检测。

先简单了解一下SURF算法的大概内容吧。

2.1 SURF算法概览

SURF，我们简单介绍一下，英语全称为SpeededUp Robust Features，直译的话就是“加速版的具有鲁棒性的特征“算法，由Bay在2006年首次提出。SURF是尺度不变特征变换算法（SIFT算法）的加速版。一般来说，标准的SURF算子比SIFT算子快好几倍，并且在多幅图片下具有更好的稳定性。SURF最大的特征在于采用了harr特征以及积分图像的概念，这大大加快了程序的运行时间。SURF可以应用于计算机视觉的物体识别以及3D重构中。

PS: 由于我们的专栏侧重点是教大家如何快速入门OpenCV编程，不是来进行图像处理科普的，所以原理部分不会花笔墨多讲。一方面是浅墨也不喜欢讲这些枯燥的概念，另一方面是大家肯定应该也不喜欢看这些枯燥的原理，大家是喜欢看代码的〜(￣▽￣〜)。就像小魏CPU童鞋在博客上写的，“Talk is cheap. Show me thecode.”

所以原理部分大家就自行用搜索引擎去学习吧，浅墨会将更多的笔墨用来分享网络上独一无二的干货。

2.2 前世今生——SURF类相关OpenCV源码剖析

OpenCV中关于SURF算法的部分，常常涉及到的是SURF、SurfFeatureDetector、SurfDescriptorExtractor这三个类，这一小节我们就来对他们进行人肉，挖挖其背景，看看他们究竟是什么来头。

在D:\Program Files (x86)\opencv\sources\modules\nonfree\include\opencv2\nonfree下的features2d.hpp头文件中，我们可以发现这样两句定义：

typedef SURF SurfFeatureDetector;
typedef SURF SurfDescriptorExtractor;

我们都知道，typedef声明是为现有类型创建一个新的名字，类型别名。这就表示，SURF类忽然同时有了两个新名字SurfFeatureDetector以及SurfDescriptorExtractor。

也就是说，我们平常使用的SurfFeatureDetector类和SurfDescriptorExtractor类，其实就是SURF类，他们三者等价。

然后在这两句定义的上方，我们可以看到SURF类的类声明全貌：

class CV_EXPORTS_W SURF : public Feature2D
{
public:
//! the default constructor
CV_WRAP SURF();
//! the full constructor taking all the necessary parameters
explicit CV_WRAP SURF(double hessianThreshold,
int nOctaves=4, intnOctaveLayers=2,
bool extended=true, boolupright=false);

//! returns the descriptor size in float's (64 or 128)
CV_WRAP int descriptorSize() const;

//! returns the descriptor type
CV_WRAP int descriptorType() const;

//! finds the keypoints using fast hessian detector used in SURF
void operator()(InputArray img, InputArray mask,
CV_OUTvector<KeyPoint>& keypoints) const;
//! finds the keypoints and computes their descriptors. Optionally itcan compute descriptors for the user-provided keypoints
void operator()(InputArray img, InputArray mask,
CV_OUTvector<KeyPoint>& keypoints,
OutputArray descriptors,
booluseProvidedKeypoints=false) const;

AlgorithmInfo* info() const;

CV_PROP_RW double hessianThreshold;
CV_PROP_RW int nOctaves;
CV_PROP_RW int nOctaveLayers;
CV_PROP_RW bool extended;
CV_PROP_RW bool upright;

protected:

void detectImpl( const Mat& image, vector<KeyPoint>&keypoints, const Mat& mask=Mat() ) const;
void computeImpl( const Mat& image, vector<KeyPoint>&keypoints, Mat& descriptors ) const;
};

可以发现SURF类公共继承自Feature2D类，我们再次进行转到，可以在路径d:\Program Files(x86)\opencv\build\include\opencv2\features2d\features2d.hpp看到Feature2D类的声明：

class CV_EXPORTS_W Feature2D : public FeatureDetector,public DescriptorExtractor
{
public:
/*
* Detect keypoints in an image.
* image        The image.
* keypoints    The detectedkeypoints.
* mask         Mask specifyingwhere to look for keypoints (optional). Must be a char
*              matrix withnon-zero values in the region of interest.
* useProvidedKeypoints If true, the method will skip the detection phaseand will compute
*                      descriptorsfor the provided keypoints
*/
CV_WRAP_AS(detectAndCompute) virtual voidoperator()( InputArray image, InputArray mask,
CV_OUTvector<KeyPoint>& keypoints,
OutputArray descriptors,
bool useProvidedKeypoints=false ) const =0;

CV_WRAP void compute( const Mat& image, CV_OUT CV_IN_OUTstd::vector<KeyPoint>& keypoints, CV_OUT Mat& descriptors )const;

// Create feature detector and descriptor extractor by name.
CV_WRAP static Ptr<Feature2D> create( const string& name );
};

显然，Feature2D类又是公共继承自FeatureDetector以及 DescriptorExtractor类。继续刨根问底，我们看看其父类FeatureDetector以及 DescriptorExtractor类的定义：

首先是FeatureDetector类：

/************************************ BaseClasses ************************************/

/*
*Abstract base class for 2D image feature detectors.
*/
class CV_EXPORTS_W FeatureDetector : publicvirtual Algorithm
{
public:
virtual ~FeatureDetector();

/*
* Detect keypoints in an image.
* image        The image.
* keypoints    The detectedkeypoints.
* mask         Mask specifyingwhere to look for keypoints (optional). Must be a char
*              matrix withnon-zero values in the region of interest.
*/
CV_WRAP void detect( const Mat& image, CV_OUTvector<KeyPoint>& keypoints, const Mat& mask=Mat() ) const;

/*
* Detect keypoints in an image set.
* images       Image collection.
* keypoints    Collection ofkeypoints detected in an input images. keypoints[i] is a set of keypointsdetected in an images[i].
* masks        Masks for imageset. masks[i] is a mask for images[i].
*/
void detect( const vector<Mat>& images,vector<vector<KeyPoint> >& keypoints, constvector<Mat>& masks=vector<Mat>() ) const;

// Return true if detector object is empty
CV_WRAP virtual bool empty() const;

// Create feature detector by detector name.
CV_WRAP static Ptr<FeatureDetector> create( const string&detectorType );

protected:
virtual void detectImpl( const Mat& image,vector<KeyPoint>& keypoints, const Mat& mask=Mat() ) const = 0;

/*
* Remove keypoints that are not in the mask.
* Helper function, useful when wrapping a library call for keypointdetection that
* does not support a mask argument.
*/
static void removeInvalidPoints( const Mat& mask,vector<KeyPoint>& keypoints );
};

这里，我们发现了我们经常会用到的detect( )方法重载的两个原型，原来是SURF类经过两层的继承，从FeatureDetector类继承而来。

/*
* Detect keypoints in an image.
* image		The image.
* keypoints	The detectedkeypoints.
* mask		 Mask specifyingwhere to look for keypoints (optional). Must be a char
*			  matrix withnon-zero values in the region of interest.
*/
CV_WRAP void detect( const Mat& image, CV_OUTvector<KeyPoint>& keypoints, const Mat& mask=Mat() ) const;

/*
* Detect keypoints in an image set.
* images	   Image collection.
* keypoints	Collection of keypoints detected in aninput images. keypoints[i] is a set of keypoints detected in an images[i].
* masks		Masks for imageset. masks[i] is a mask for images[i].
*/
void detect( const vector<Mat>& images,vector<vector<KeyPoint> >& keypoints, constvector<Mat>& masks=vector<Mat>() ) const;

同样，看看SURF类的另一个“爷爷”DescriptorExtractor类的声明

/*
*Abstract base class for computing descriptors for image keypoints.
*
* Inthis interface we assume a keypoint descriptor can be represented as a
*dense, fixed-dimensional vector of some basic type. Most descriptors used
* inpractice follow this pattern, as it makes it very easy to compute
*distances between descriptors. Therefore we represent a collection of
* descriptorsas a Mat, where each row is one keypoint descriptor.
*/
class CV_EXPORTS_W DescriptorExtractor :public virtual Algorithm
{
public:
virtual ~DescriptorExtractor();

/*
* Compute the descriptors for a set of keypoints in an image.
* image        The image.
* keypoints    The inputkeypoints. Keypoints for which a descriptor cannot be computed are removed.
* descriptors  Copmputeddescriptors. Row i is the descriptor for keypoint i.
*/
CV_WRAP void compute( const Mat& image, CV_OUT CV_IN_OUTvector<KeyPoint>& keypoints, CV_OUT Mat& descriptors ) const;

/*
* Compute the descriptors for a keypoints collection detected in imagecollection.
* images       Image collection.
* keypoints    Input keypointscollection. keypoints[i] is keypoints detected in images[i].
*              Keypoints for whicha descriptor cannot be computed are removed.
* descriptors  Descriptorcollection. descriptors[i] are descriptors computed for set keypoints[i].
*/
void compute( const vector<Mat>& images,vector<vector<KeyPoint> >& keypoints, vector<Mat>&descriptors ) const;

CV_WRAP virtual int descriptorSize() const = 0;
CV_WRAP virtual int descriptorType() const = 0;

CV_WRAP virtual bool empty() const;

CV_WRAP static Ptr<DescriptorExtractor> create( const string&descriptorExtractorType );

protected:
virtual void computeImpl( const Mat& image,vector<KeyPoint>& keypoints, Mat& descriptors ) const = 0;

/*
* Remove keypoints within borderPixels of an image edge.
*/
static void removeBorderKeypoints( vector<KeyPoint>&keypoints,
SizeimageSize, int borderSize );
};

上述代码表明FeatureDetector 类和DescriptorExtractor类都虚继承自Algorithm基类。

历经千辛万苦，终于，我们找到SURF类德高望重的祖先——OpenCV中的Algorithm基类。看看其原型声明：

/*!
Base class for high-level OpenCV algorithms
*/
class CV_EXPORTS_W Algorithm
{
public:
Algorithm();
virtual ~Algorithm();
string name() const;

template<typename _Tp> typename ParamType<_Tp>::member_typeget(const string& name) const;
template<typename _Tp> typename ParamType<_Tp>::member_typeget(const char* name) const;

CV_WRAP int getInt(const string& name) const;
CV_WRAP double getDouble(const string& name) const;
CV_WRAP bool getBool(const string& name) const;
CV_WRAP string getString(const string& name) const;
CV_WRAP Mat getMat(const string& name) const;
CV_WRAP vector<Mat> getMatVector(const string& name) const;
CV_WRAP Ptr<Algorithm> getAlgorithm(const string& name) const;

void set(const string& name, int value);
void set(const string& name, double value);
void set(const string& name, bool value);
void set(const string& name, const string& value);
void set(const string& name, const Mat& value);
void set(const string& name, const vector<Mat>& value);
void set(const string& name, const Ptr<Algorithm>& value);
template<typename _Tp> void set(const string& name, constPtr<_Tp>& value);

CV_WRAP void setInt(const string& name, int value);
CV_WRAP void setDouble(const string& name, double value);
CV_WRAP void setBool(const string& name, bool value);
CV_WRAP void setString(const string& name, const string& value);
CV_WRAP void setMat(const string& name, const Mat& value);
CV_WRAP void setMatVector(const string& name, constvector<Mat>& value);
CV_WRAP void setAlgorithm(const string& name, constPtr<Algorithm>& value);
template<typename _Tp> void setAlgorithm(const string& name,const Ptr<_Tp>& value);

void set(const char* name, int value);
void set(const char* name, double value);
void set(const char* name, bool value);
void set(const char* name, const string& value);
void set(const char* name, const Mat& value);
void set(const char* name, const vector<Mat>& value);
void set(const char* name, const Ptr<Algorithm>& value);
template<typename _Tp> void set(const char* name, constPtr<_Tp>& value);

void setInt(const char* name, int value);
void setDouble(const char* name, doublevalue);
void setBool(const char* name, bool value);
void setString(const char* name, const string& value);
void setMat(const char* name, const Mat& value);
void setMatVector(const char* name, const vector<Mat>& value);
void setAlgorithm(const char* name, const Ptr<Algorithm>&value);
template<typename _Tp> void setAlgorithm(const char* name, constPtr<_Tp>& value);

CV_WRAP string paramHelp(const string& name) const;
int paramType(const char* name) const;
CV_WRAP int paramType(const string& name) const;
CV_WRAP void getParams(CV_OUT vector<string>& names) const;

virtual void write(FileStorage& fs) const;
virtual void read(const FileNode& fn);

typedef Algorithm* (*Constructor)(void);
typedef int (Algorithm::*Getter)() const;
typedef void (Algorithm::*Setter)(int);

CV_WRAP static void getList(CV_OUT vector<string>&algorithms);
CV_WRAP static Ptr<Algorithm> _create(const string& name);
template<typename _Tp> static Ptr<_Tp> create(conststring& name);

virtual AlgorithmInfo* info() const /* TODO: make it = 0;*/ { return 0;}
};

关于这几个类缠绵悱恻的关系，画个图就一目了然了，也就是这样的过程：

3.3 drawKeypoints函数详解

因为接下来的示例程序需要用到drawKeypoints函数，我们在这里顺便讲一讲。

顾名思义，此函数用于绘制关键点。

C++: void drawKeypoints(const Mat&image, const vector<KeyPoint>& keypoints, Mat& outImage, constScalar& color=Scalar::all(-1), int flags=DrawMatchesFlags::DEFAULT )

第一个参数，const Mat&类型的src，输入图像。
第二个参数，const vector<KeyPoint>&类型的keypoints，根据源图像得到的特征点，它是一个输出参数。
第三个参数，Mat&类型的outImage，输出图像，其内容取决于第五个参数标识符falgs。
第四个参数，const Scalar&类型的color，关键点的颜色，有默认值Scalar::all(-1)。
第五个参数，int类型的flags，绘制关键点是的特征标识符，有默认值DrawMatchesFlags::DEFAULT。可以在如下这个结构体中选取值。

struct DrawMatchesFlags
{
enum
{
DEFAULT = 0, // Output image matrix will be created (Mat::create),
// i.e. existing memory ofoutput image may be reused.
// Two source images,matches, and single keypoints
// will be drawn.
// For each keypoint, onlythe center point will be
// drawn (without a circlearound the keypoint with the
// keypoint size andorientation).
DRAW_OVER_OUTIMG = 1, // Output image matrix will not be
// created (usingMat::create). Matches will be drawn
// on existing contentof output image.
NOT_DRAW_SINGLE_POINTS = 2, // Single keypoints will not be drawn.
DRAW_RICH_KEYPOINTS = 4 // For each keypoint, the circle around
// keypoint withkeypoint size and orientation will
// be drawn.
};
};

三、综合示例部分

因为这次的两个知识点关联度不大，所以不方便组织起来成为一个综合示例程序。在这里我们分开将其放出。

3.1 重映射综合示例程序

先放出以remap为核心的综合示例程序，可以用按键控制四种不同的映射模式。且利用了OpenCV版本标识宏“CV_VERSION”，在帮助文字相关代码中加入了一句：

printf("\t当前使用的OpenCV版本为 OpenCV "CV_VERSION);

便可以智能检测出当前使用的OpenCV版本，并输出。如图：

按键说明也可以由上图看出。

放出这个程序详细注释的源代码：

//-----------------------------------【程序说明】----------------------------------------------
//		程序名称:：《【OpenCV入门教程之十七】OpenCV重映射 & SURF特征点检测合辑 》 博文配套源码之【重映射】
//		开发所用IDE版本：Visual Studio 2010
//		开发所用OpenCV版本：	2.4.9
//		2014年6月15日 Created by 浅墨
//		PS:程序结合配合博文学习效果更佳
//		浅墨的微博：@浅墨_毛星云 http://weibo.com/1723155442 //		浅墨的知乎：http://www.zhihu.com/people/mao-xing-yun
//		浅墨的豆瓣：http://www.douban.com/people/53426472/
//----------------------------------------------------------------------------------------------

//-----------------------------------【头文件包含部分】---------------------------------------
//		描述：包含程序所依赖的头文件
//----------------------------------------------------------------------------------------------
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>

//-----------------------------------【命名空间声明部分】--------------------------------------
//          描述：包含程序所使用的命名空间
//-----------------------------------------------------------------------------------------------
using namespace cv;
using namespace std;

//-----------------------------------【宏定义部分】--------------------------------------------
//  描述：定义一些辅助宏
//------------------------------------------------------------------------------------------------
#define WINDOW_NAME "【程序窗口】"        //为窗口标题定义的宏

//-----------------------------------【全局变量声明部分】--------------------------------------
//          描述：全局变量的声明
//-----------------------------------------------------------------------------------------------
Mat g_srcImage, g_dstImage;
Mat g_map_x, g_map_y;

//-----------------------------------【全局函数声明部分】--------------------------------------
//          描述：全局函数的声明
//-----------------------------------------------------------------------------------------------
int update_map( int key);
static void ShowHelpText( );//输出帮助文字

//-----------------------------------【main( )函数】--------------------------------------------
//          描述：控制台应用程序的入口函数，我们的程序从这里开始执行
//-----------------------------------------------------------------------------------------------
int main( int argc, char** argv )
{
//改变console字体颜色
system("color 2F");

//显示帮助文字
ShowHelpText();

//【1】载入原始图
g_srcImage = imread( "1.jpg", 1 );
if(!g_srcImage.data ) { printf("读取图片错误，请确定目录下是否有imread函数指定的图片存在~！ \n"); return false; }
imshow("原始图",g_srcImage);

//【2】创建和原始图一样的效果图，x重映射图，y重映射图
g_dstImage.create( g_srcImage.size(), g_srcImage.type() );
g_map_x.create( g_srcImage.size(), CV_32FC1 );
g_map_y.create( g_srcImage.size(), CV_32FC1 );

//【3】创建窗口并显示
namedWindow( WINDOW_NAME, CV_WINDOW_AUTOSIZE );
imshow(WINDOW_NAME,g_srcImage);

//【4】轮询按键，更新map_x和map_y的值，进行重映射操作并显示效果图
while( 1 )
{
//获取键盘按键
int key = waitKey(0);

//判断ESC是否按下，若按下便退出
if( (key & 255) == 27 )
{
cout << "程序退出...........\n";
break;
}

//根据按下的键盘按键来更新 map_x & map_y的值. 然后调用remap( )进行重映射
update_map(key);
remap( g_srcImage, g_dstImage, g_map_x, g_map_y, CV_INTER_LINEAR, BORDER_CONSTANT, Scalar(0,0, 0) );

//显示效果图
imshow( WINDOW_NAME, g_dstImage );
}
return 0;
}

//-----------------------------------【update_map( )函数】--------------------------------
//          描述：根据按键来更新map_x与map_x的值
//----------------------------------------------------------------------------------------------
int update_map( int key )
{
//双层循环，遍历每一个像素点
for( int j = 0; j < g_srcImage.rows;j++)
{
for( int i = 0; i < g_srcImage.cols;i++)
{
switch(key)
{
case '1': // 键盘【1】键按下，进行第一种重映射操作
if( i > g_srcImage.cols*0.25 && i < g_srcImage.cols*0.75 && j > g_srcImage.rows*0.25 && j < g_srcImage.rows*0.75)
{
g_map_x.at<float>(j,i) = static_cast<float>(2*( i - g_srcImage.cols*0.25 ) + 0.5);
g_map_y.at<float>(j,i) = static_cast<float>(2*( j - g_srcImage.rows*0.25 ) + 0.5);
}
else
{
g_map_x.at<float>(j,i) = 0;
g_map_y.at<float>(j,i) = 0;
}
break;
case '2':// 键盘【2】键按下，进行第二种重映射操作
g_map_x.at<float>(j,i) = static_cast<float>(i);
g_map_y.at<float>(j,i) = static_cast<float>(g_srcImage.rows - j);
break;
case '3':// 键盘【3】键按下，进行第三种重映射操作
g_map_x.at<float>(j,i) = static_cast<float>(g_srcImage.cols - i);
g_map_y.at<float>(j,i) = static_cast<float>(j);
break;
case '4':// 键盘【4】键按下，进行第四种重映射操作
g_map_x.at<float>(j,i) = static_cast<float>(g_srcImage.cols - i);
g_map_y.at<float>(j,i) = static_cast<float>(g_srcImage.rows - j);
break;
}
}
}
return 1;
}

//-----------------------------------【ShowHelpText( )函数】----------------------------------
//      描述：输出一些帮助信息
//----------------------------------------------------------------------------------------------
static void ShowHelpText()
{
//输出一些帮助信息
printf("\n\n\n\t欢迎来到重映射示例程序~\n\n");
printf("\t当前使用的OpenCV版本为 OpenCV "CV_VERSION);
printf( "\n\n\t按键操作说明: \n\n"
"\t\t键盘按键【ESC】- 退出程序\n"
"\t\t键盘按键【1】-  第一种映射方式\n"
"\t\t键盘按键【2】- 第二种映射方式\n"
"\t\t键盘按键【3】- 第三种映射方式\n"
"\t\t键盘按键【4】- 第四种映射方式\n"
"\n\n\t\t\t\t\t\t\t\t by浅墨\n\n\n"
);
}

运行效果图。首先是原始图：

第一种重映射：

第二种重映射：

第三种重映射：

第四种重映射：

3.2 SURF特征点检测综合示例程序

这个示例程涉及到如下三个方面：

使用 FeatureDetector 接口来发现感兴趣点。
使用 SurfFeatureDetector 以及其函数 detect 来实现检测过程
使用函数 drawKeypoints 绘制检测到的关键点。

详细注释的源代码：

//-----------------------------------【程序说明】----------------------------------------------
//		程序名称:：《【OpenCV入门教程之十七】OpenCV重映射 & SURF特征点检测合辑 》 博文配套源码 之【SURF特征点检测】
//		开发所用IDE版本：Visual Studio 2010
//		开发所用OpenCV版本：	2.4.9
//		2014年6月15日 Created by 浅墨
//		PS:程序结合配合博文学习效果更佳
//		浅墨的微博：@浅墨_毛星云 http://weibo.com/1723155442 //		浅墨的知乎：http://www.zhihu.com/people/mao-xing-yun
//		浅墨的豆瓣：http://www.douban.com/people/53426472/
//----------------------------------------------------------------------------------------------

//-----------------------------------【头文件包含部分】---------------------------------------
//		描述：包含程序所依赖的头文件
//----------------------------------------------------------------------------------------------
#include "opencv2/core/core.hpp"
#include "opencv2/features2d/features2d.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/nonfree/nonfree.hpp"
#include <iostream>

//-----------------------------------【命名空间声明部分】--------------------------------------
//          描述：包含程序所使用的命名空间
//-----------------------------------------------------------------------------------------------
using namespace cv;

//-----------------------------------【全局函数声明部分】--------------------------------------
//          描述：全局函数的声明
//-----------------------------------------------------------------------------------------------
static void ShowHelpText( );//输出帮助文字

//-----------------------------------【main( )函数】--------------------------------------------
//   描述：控制台应用程序的入口函数，我们的程序从这里开始执行
//-----------------------------------------------------------------------------------------------
int main( int argc, char** argv )
{
//【0】改变console字体颜色
system("color 2F");

//【0】显示帮助文字
ShowHelpText( );

//【1】载入源图片并显示
Mat srcImage1 = imread("1.jpg", 1 );
Mat srcImage2 = imread("2.jpg", 1 );
if( !srcImage1.data || !srcImage2.data )//检测是否读取成功
{ printf("读取图片错误，请确定目录下是否有imread函数指定名称的图片存在~！ \n"); return false; }
imshow("原始图1",srcImage1);
imshow("原始图2",srcImage2);

//【2】定义需要用到的变量和类
int minHessian = 400;//定义SURF中的hessian阈值特征点检测算子
SurfFeatureDetector detector( minHessian );//定义一个SurfFeatureDetector（SURF） 特征检测类对象
std::vector<KeyPoint> keypoints_1, keypoints_2;//vector模板类是能够存放任意类型的动态数组，能够增加和压缩数据

//【3】调用detect函数检测出SURF特征关键点，保存在vector容器中
detector.detect( srcImage1, keypoints_1 );
detector.detect( srcImage2, keypoints_2 );

//【4】绘制特征关键点
Mat img_keypoints_1; Mat img_keypoints_2;
drawKeypoints( srcImage1, keypoints_1, img_keypoints_1, Scalar::all(-1), DrawMatchesFlags::DEFAULT );
drawKeypoints( srcImage2, keypoints_2, img_keypoints_2, Scalar::all(-1), DrawMatchesFlags::DEFAULT );

//【5】显示效果图
imshow("特征点检测效果图1", img_keypoints_1 );
imshow("特征点检测效果图2", img_keypoints_2 );

waitKey(0);
return 0;
}

//-----------------------------------【ShowHelpText( )函数】----------------------------------
//          描述：输出一些帮助信息
//----------------------------------------------------------------------------------------------
void ShowHelpText()
{
//输出一些帮助信息
printf("\n\n\n\t欢迎来到【SURF特征点检测】示例程序~\n\n");
printf("\t当前使用的OpenCV版本为 OpenCV "CV_VERSION);
printf( "\n\n\t按键操作说明: \n\n"
"\t\t键盘按键任意键- 退出程序\n\n"
"\n\n\t\t\t\t\t\t\t\t by浅墨\n\n\n");

}

运行效果图。

第一组图片对比效果：