vector point2f初始化

在C++中，可以使用以下方法来初始化vector point2f：

1. 直接初始化一个空的vector point2f：
vector<cv::Point2f> points;

2. 初始化一个带有初始值的vector point2f：
vector<cv::Point2f> points = {cv::Point2f(x1, y1), cv::Point2f(x2, y2), ...};

3. 使用push_back方法逐个添加元素到vector point2f：
vector<cv::Point2f> points;
points.push_back(cv::Point2f(x1, y1));
points.push_back(cv::Point2f(x2, y2));
...

4. 使用resize方法预先设置vector point2f的大小，并使用下标访问来赋值：
vector<cv::Point2f> points;
points.resize(num_points);
points = cv::Point2f(x1, y1);
points = cv::Point2f(x2, y2);
...

相关问题

CornerDetector(int n_rows = 8, int n_cols = 10, double detection_threshold = 40.0); ~CornerDetector() = default; void detect_features(const cv::Mat &image, std::vector<cv::Point2f> &features); void set_grid_position(const cv::Point2f &pos); void set_grid_size(int n_rows, int n_cols); int get_n_rows() const { return grid_n_rows_; } int get_n_cols() const { return grid_n_cols_; } float shiTomasiScore(const cv::Mat &img, int u, int v); int sub2ind(const cv::Point2f &sub);

这段代码定义了一个名为 `CornerDetector` 的类，该类具有以下成员函数：

- `CornerDetector(int n_rows = 8, int n_cols = 10, double detection_threshold = 40.0)`：类的构造函数，可以用来初始化占据网格的行数、列数和检测阈值。
- `~CornerDetector() = default`：类的析构函数。
- `void detect_features(const cv::Mat &image, std::vector<cv::Point2f> &features)`：检测输入图像中的角点，并将角点的坐标保存在 `features` 向量中。
- `void set_grid_position(const cv::Point2f &pos)`：设置占据网格的左上角位置。
- `void set_grid_size(int n_rows, int n_cols)`：设置占据网格的行数和列数。
- `int get_n_rows() const { return grid_n_rows_; }`：获取占据网格的行数。
- `int get_n_cols() const { return grid_n_cols_; }`：获取占据网格的列数。
- `float shiTomasiScore(const cv::Mat &img, int u, int v)`：计算图像中指定位置的 Shi-Tomasi 角点得分。
- `int sub2ind(const cv::Point2f &sub)`：将占据网格的行列坐标转换为索引。

Rect roi(1024, 400, 256, 130); # 感兴趣的框（x, y, w, h） Mat mask = Mat::zeros(src.size(), CV_8UC1);# // mask初始化全为0 mask(roi).setTo(255);# // 将非roi区域置为255 # 角点检测，参数：输入图像，角点最大数量，品质因子，距离 p0 = cv2.goodFeaturesToTrack(gray_one, mask=mask, maxCorners=100, qualityLevel=0.3, minDistance=7)

这是一段 C++ 代码，用于在图像中选取一个感兴趣的区域（ROI），然后将非 ROI 区域的像素值设置为 0，最后使用角点检测算法进行角点检测。

具体解释如下：

// 定义感兴趣的区域
Rect roi(1024, 400, 256, 130);

// 初始化一个与输入图像大小相同的掩膜，所有像素值初始为 0
Mat mask = Mat::zeros(src.size(), CV_8UC1);

// 将 ROI 区域的像素值设置为 255，即将 ROI 区域的掩膜设为 1
mask(roi).setTo(255);

// 进行角点检测，参数包括输入图像、最大角点数、品质因子和距离
vector<Point2f> corners;
goodFeaturesToTrack(gray_one, corners, 100, 0.3, 7, mask);

在这段代码中，我们首先定义了一个感兴趣的区域（ROI），然后初始化了一个与输入图像大小相同的掩膜，所有像素值初始为 0。接着，我们将 ROI 区域的像素值设置为 255，即将 ROI 区域的掩膜设为 1，这样在后续的角点检测中就只会在 ROI 区域内进行检测。最后，我们使用了 OpenCV 中的 goodFeaturesToTrack() 函数进行角点检测，得到的结果保存在 corners 变量中。其中，gray_one 是输入的灰度图像。