OpenCV学习笔记(五十)——Algorithm类介绍(core)

2024-06-18 22:48

本文主要是介绍OpenCV学习笔记(五十)——Algorithm类介绍(core),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

刚开始学习新的2.4.0,大概看了一遍使用手册,还是有些失望的,很多章节还是2.3.1的内容,文档上的代码也是漏洞很多。这里就简单介绍一下Algorithm这个新的基类。本来以为这部分是一个新模块的,看了referenceManual后才知道它只是一个基类,集成了一些相对复杂的算法,比如BM算法等立体匹配算法,前景背景分离的算法,光流法等模块都集成在其中。类内成员函数主要有get、set、writhe、read、getList、create这些函数。前4个是用来从字符串和XML文件中读取算法的参数用的,使用get,set要注意参数的名字对应的类型要和数据的类型对应,后果大家肯定懂的。有了Algorithm::write,以后SITF::wirte啊SURF::write啊,神马的都可以再见了。getList可以得到Algorithm支持的算法类型。我测试了一下getList目前getList的算法有:BRIEF、Dense、FAST、CFIT、HARRIS、MSER、ORB、SIFT、STAR、SURF,日后应该都会实现,在手册上只有SURF和SIFT的介绍,至少目前,我看来只支持这两个算法。create就是创建算法的函数。使用呢,也相对简单。这里还是要说明一下,新版的features2d模块有较大改动,反正我看文档中该部分大多剩下的都是一些公共接口,比如特征描述子、描述子的提取、特征的匹配等。只有FAST、MSER、ORB还在文档中坚挺的出现(估计日后也要移植走),以前的Star、randomTree、rTreeClassifer神马该被遗弃的一起,该放ml的去ml,SIFT、SURF啥的也被弄到nonfree这个新模块里去了,不过这个新模块好弱啊,目前只有SIFT和SURF算法,估计以后还要把其他的算法整合进去。

接下来我就根据文档中的一个示例实践一下新版本的SIFT特征点检测算法,并且对比下之前版本的SITF的写法,大家从中感受新结构的不同吧。

[cpp]  view plain copy
  1. #include <opencv2/opencv.hpp>  
  2. #include <opencv2/nonfree/nonfree.hpp>  
  3. #include <opencv2/nonfree/features2d.hpp>  
  4.   
  5. using namespace cv;  
  6.   
  7. void main()  
  8. {  
  9.     Mat image = imread("church01.jpg");  
  10.     Mat imageGray = imread("church01.jpg", 0);  
  11.     Mat descriptors;  
  12.     vector<KeyPoint> keypoints;  
  13.     // 新版本2.4.0方法  
  14.     initModule_nonfree();  
  15.   
  16.     Ptr<Feature2D> sift1 = Algorithm::create<Feature2D>("Feature2D.SIFT");  
  17.     sift1->set("contrastThreshold", 0.01f);  
  18.     (*sift1)(imageGray, noArray(), keypoints, descriptors);  
  19.   
  20.     // 2.3.1方法  
  21. //  SiftFeatureDetector sift2(0.06f, 10.0);  
  22. //  sift2.detect(imageGray, keypoints);  
  23.       
  24.     drawKeypoints(image, keypoints, image, Scalar(255,0,0));  
  25.   
  26.     imshow("test", image);  
  27.     waitKey();  
  28. }  

注意initModule_<modulename>()函数,这个函数要在create前使用,才可以动态的创建算法,不然那个create的指针很野哦。大家都懂的。如果要使用SURF、SIFT算法,就要调用 inintModule_nonfree() ,要使用EM算法,就要先调用 initModule_ml ()。

其实在我看来,这个Algorithm类更重要的是为开发者的算法提供一个公共的接口,以后开发者开发的算法,想要增加到OpenCV中去,就按照Algorithm的接口做就OK了,以免以后算法越来越多,我们的OpenCV也要变得臃肿了。

创建自己的算法类现在也很容易了,用Algorithm类做基类,算法的参数作为成员变量,用get函数调用,添加AlgorithmInfo* info() const到自己的算法类中去,添加构造函数,AlgorithmInfo变量,可以参考EM算法的初始化看如何操作,添加其他函数。做好后就用create调用你自己的函数就ok啦,这次先简单介绍,以后有机会自己做个函数了,体会深了再详细写出来跟大家分享。

这篇关于OpenCV学习笔记(五十)——Algorithm类介绍(core)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1073278

相关文章

opencv实现像素统计的示例代码

《opencv实现像素统计的示例代码》本文介绍了OpenCV中统计图像像素信息的常用方法和函数,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 统计像素值的基本信息2. 统计像素值的直方图3. 统计像素值的总和4. 统计非零像素的数量

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

性能测试介绍

性能测试是一种测试方法,旨在评估系统、应用程序或组件在现实场景中的性能表现和可靠性。它通常用于衡量系统在不同负载条件下的响应时间、吞吐量、资源利用率、稳定性和可扩展性等关键指标。 为什么要进行性能测试 通过性能测试,可以确定系统是否能够满足预期的性能要求,找出性能瓶颈和潜在的问题,并进行优化和调整。 发现性能瓶颈:性能测试可以帮助发现系统的性能瓶颈,即系统在高负载或高并发情况下可能出现的问题

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]