【问题标题】:Opencv FindCornerSubPix precisionOpencv FindCornerSubPix 精度
【发布时间】:2012-08-19 14:23:50
【问题描述】:

我需要以尽可能高的精度检测灰度图像上的角点。目前我正在使用 OpenCV 函数:cvFindCornerSubPix()。

我准备了一个简单的测试:得到一个带有黑/白边角的图像:

然后是一系列相同的对象,每个移动 1/16 像素。我确实手动检查了像素值,测试图像很好。

检测结果令人失望: 即使在 TermCrit 中条件设置为 100 次迭代或 0.005 阈值,检测误差也会达到 0.08 像素。

该图显示了作为像素内位置函数的误差。看起来一点也不随意。另一件值得注意的事情:对于拐角的其他环形位置(当边缘不是水平/垂直时)结果更好,但仍然不完美。

任何想法,如何使此功能正常工作,为什么不能正常工作,或者改用什么?

如果有任何建议,我将不胜感激

【问题讨论】:

  • 移动1/16像素时确定不是缩小的影响吗?
  • @Martin 是的,我是。后续图像中边缘的像素值如:(0, 255), (16, 239), (32, 223)等
  • 翻译后的图像使用什么插值方法?尝试使用双线性和双三次。您可能会以这种方式引入一些偏见。也尝试使用不是 2 的反幂的平移值。您可以在翻译后的图像上手动验证(通过灰度值的线性插值)边缘在理论上正确的位置。另外,在使用理论(真实)角位置初始化后尝试运行迭代,看看它是否保持稳定。
  • 这是一个众所周知的插值神器。从外观上看,您使用的是双线性插值。双线性插值很糟糕。如果你想要一个好的结果,你至少需要三次,甚至更高阶的内核。看看这些书:books.google.com/…

标签: image-processing opencv computer-vision


【解决方案1】:

不到 10% 的像素真的一点也不差。作为参考,适用于从卫星图像生成 3D 模型的相关峰值检测器将具有相同数量级的误差。

正如 cmets 中所指出的,确切的错误模式将取决于您用于生成子像素模式的插值方法。为了避免高阶插值方法(超过 2 阶)引入的非单调性,我建议使用以下协议:

  • 为您生成 16 倍大的高分辨率输入图像;
  • 在此 HR 图像中一次将目标移动 1 个像素;
  • 通过下采样生成您的测试图像(小心:如果您要进行粗暴下采样以避免aliasing,请先应用适当的模糊功能,如PSF)到正确的大小。

最后,通常不希望采用较小的误差幅度。亚像素角检测器设计用于检测到许多(通常在 20 到 100 个之间)点的图像中。然后将这些点用于稳健的估计过程中,该过程应去除异常值并对有效点集的误差进行平均。

【讨论】:

  • 生成图像的过程正是我使用的,错误不在模式生成中——它在检测中。在实际中,噪声图像 0.1 像素可能还不错......但完美,无噪声图像我认为它应该只受颜色深度的限制(8位灰度的1/256)真正的应用应该是亚像素测量(非常精确校准的相机上的小位移) - 所以如果我在无噪声图像上获得 0.1 的准确度,在实际情况下可能更糟,但是,我没有使用 opencv 2.2 和更高版本进行检查,因为线程已经很旧了
猜你喜欢
  • 1970-01-01
  • 2021-06-15
  • 2016-10-06
  • 2013-03-07
  • 2023-03-23
  • 1970-01-01
  • 1970-01-01
  • 2019-09-26
  • 2014-11-08
相关资源
最近更新 更多