OpenCV函数及类理解记录

1. detectAndCompute

这是一个特征检测的函数，在ORB下的常用用法
detectAndCompute(cv::Mat image，cv::noArray(), cv::KeyPoints kps, cv::Mat desc)
第一个参数image是被检测特征的图像
第二个参数noArray()不知道啥用
第三个参数kps就是特征点的坐标值
第四个参数是特征点的描述子，用Mat矩阵表示，每一行是每个关键点的特征向量。

2. cv::DescriptorMatcher

用来进行特征点匹配的一个类，通常有下面的用法

cv::Ptr<cv::DescriptorMatcher> matcher = cv::DescriptorMatcher::create("BruteForce-Hamming");
matches.clear();
matcher->knnMatch(desclr.front(), desclr.back(), matches, 2);
1
2
3

knnMatch(cv::Mat, cv::Mat, std::vector>, int)
该函数是为查询集合中的每个描述子在训练集合中找到最好的k个匹配，k nearest neighbor match：
第一个参数是查询集合
第二个参数是训练集合
第三个参数是保存匹配点之间距离的一个类
第四个参数是返回k最近邻个数
这种方法找到的描述子一般还需要查看第一个最近邻和第二个最近邻的距离比例，如果相差很大则认为是好的匹配。
knnMatch是找到前k个最好的匹配，而match仅找到最好的那个匹配

3. cv::DMatch

用于存储匹配点距离的一个类，其中存储了4个变量，opencv的cv::Descripter的knnMatch方法（见2）会输出一个std::vector类型的变量（假设为matches），然后，可以用matches[i][j].queryIdx查找与左图中第i个特征点右图中最相似的第j个特征点。j的数量是前面knnMatch中设置的k。

1. queryIdx
2. trainIdx
3. imgIdx
4. distance

4. cv::Mat

cv::Mat::row(i)，row(i)这个函数返回的Mat是代表的原矩阵的数据地址，OpenCV中的=赋值操作全部是浅拷贝，只有CopyTo操作是深拷贝。
如何将一个行向量赋值给矩阵的某一行

        cv::Mat data_matrix = cv::Mat(10, 8, CV_32F);
        for(int i=0;i<data_matrix.rows;i++){
            float lxi = lptsx[i];
            float lyi = lptsy[i];
            float rxi = rptsy[i];
            float ryi = rptsy[i];
            float tmp[8] = {lxi*rxi,lxi*ryi,lxi,lyi*rxi,lyi*ryi,lyi,rxi,ryi};
            cv::Mat(1,8,CV_32F,tmp).copyTo(data_matrix.row(i));
        }
1
2
3
4
5
6
7
8
9

一种快速直接初始化cv::Mat的写法

Mat K = (Mat_<double>(3, 3) << 520.9, 0, 325.1, 0, 521.0, 249.7, 0, 0, 1);
1

5. recoverPose

用于从两个图像的对应点中恢复相机的旋转和平移矩阵，有3个重载的方法

int cv::recoverPose	(	InputArray 	E,
InputArray 	points1,
InputArray 	points2,
InputArray 	cameraMatrix,
OutputArray 	R,
OutputArray 	t,
InputOutputArray 	mask = noArray() 
// E, 计算得到的本质矩阵
// points1, 第一张图像中的N个2D点数组
// points2, 第二张图像中的对应点数组
// cameraMatrix， 相机内参矩阵
// 
)	
1
2
3
4
5
6
7
8
9
10
11
12
13

6. drawMatches

绘制两幅图像中匹配的关键点的函数
void cv::drawMatches (
InputArray img1,
const std::vector< KeyPoint > & keypoints1,
InputArray img2,
const std::vector< KeyPoint > & keypoints2,
const std::vector< DMatch > & matches1to2,
InputOutputArray outImg,
const Scalar & matchColor = Scalar::all(-1),
const Scalar & singlePointColor = Scalar::all(-1),
const std::vector< char > & matchesMask = std::vector< char >(),
DrawMatchesFlags flags = DrawMatchesFlags::DEFAULT
)
img1，左边图像的cv::Mat
keypoints1，左边图像的关键点std::vector类型
img2，右边图像的cv::Mat
keypoints2，右边图像的关键点std::vector类型
matches1to2，std::vector>类型
outImg，输出图像
matchColor，连线的颜色
singlePointColor，关键点的颜色
flgs，是否绘制

7. stereoRectify

用于进行双目相机中图像校正的函数，就是构造两个虚拟相机，将三维空间中的点进行重映射，

void cv::stereoRectify	(	
			InputArray 	cameraMatrix1,		// 第一个相机的内参矩阵,3×3的cv::Mat
			InputArray 	distCoeffs1,		// 第一个相机的畸变参数,如果没有可以cv::Matx(0,0,0,0,0)
			InputArray 	cameraMatrix2,		// 第二个相机的内参矩阵
			InputArray 	distCoeffs2,		// 第二个相机的畸变参数
			Size 	imageSize,				// 用于双目校正的输出结果
			InputArray 	R,					// 从第一个相机到第二个相机的旋转
			InputArray 	T,					// 从第一个相机到第二个相机的平移
			OutputArray 	R1,				// rectify中用于旋转第一个相机到第一个虚拟相机的矩阵
			OutputArray 	R2,				// 与上同理
			OutputArray 	P1,				// 3×4的第一个虚拟相机的投影矩阵
			OutputArray 	P2,				// 3×4的第二个虚拟相机的投影矩阵
			OutputArray 	Q,				// 4×4的视差到深度的映射矩阵
			int 	flags = CALIB_ZERO_DISPARITY,
			double 	alpha = -1,
			Size 	newImageSize = Size(),
			Rect * 	validPixROI1 = 0,
			Rect * 	validPixROI2 = 0 
)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

8.remap()

将src中的一些点（由map1和map2分别指定其行和列坐标），但当map1通道数为2的时候，map2不起作用。提取出来保存到dst中，即$\text{dst}(x,y)=\text{src}(ma{p}_x(x,y),ma{p}_y(x,y))$，dst与map1由相同的shape，元素类型与src相同，dst的长度不超过short int的最大值。

void cv::remap	(	
	InputArray 	src,		// 原始图像
	OutputArray 	dst,	// 目标图像
	InputArray 	map1,		// map1(x,y) 原图像(x,y)处的像素对应的x坐标
	InputArray 	map2,		// map2(x,y) 原图像(x,y)处的像素对应的y坐标
	int 	interpolation,	// 插值方法，因为对应坐标可能为浮点数
	int 	borderMode = BORDER_CONSTANT,
	const Scalar & 	borderValue = Scalar() 
)
1
2
3
4
5
6
7
8
9

9. FileStorage类

用于存储OpenCV中的一些数据到硬盘中的类，大致用法如下：
来自于博客

// 1.create our writter
	cv::FileStorage fs("test.yml", FileStorage::WRITE);
	
	// 2.Save an int
	int imageWidth= 5;
	int imageHeight= 10;
	fs << "imageWidth" << imageWidth;
	fs << "imageHeight" << imageHeight;
 
	// 3.Write a Mat
	cv::Mat m1= Mat::eye(3,3, CV_8U);
	cv::Mat m2= Mat::ones(3,3, CV_8U);
	cv::Mat resultMat= (m1+1).mul(m1+2);
	fs << "resultMat" << resultMat;
 
	// 4.Write multi-variables 
	cv::Mat cameraMatrix = (Mat_<double>(3,3) << 1000, 0, 320, 0, 1000, 240, 0, 0, 1);
    cv::Mat distCoeffs = (Mat_<double>(5,1) << 0.1, 0.01, -0.001, 0, 0);
    fs << "cameraMatrix" << cameraMatrix << "distCoeffs" << distCoeffs;
 
	// 5.Save local time
	time_t rawtime; time(&rawtime); //#include 
	fs << "calibrationDate" << asctime(localtime(&rawtime));
 
	// 6.close the file opened
	fs.release();
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

保存结果如下：