CV_TERMCRIT_ITER在opencv4.6变成啥了

CV_TERMCRIT_ITER 是 OpenCV 中的一个常量，用于指定迭代算法的停止条件之一，即达到指定的迭代次数时停止迭代。在 OpenCV 4.6 版本中，CV_TERMCRIT_ITER 常量被重命名为 cv::TermCriteria::MAX_ITER。

因此，如果您的代码中使用了 CV_TERMCRIT_ITER 常量，您需要将其替换为 cv::TermCriteria::MAX_ITER。例如，如果您的代码中有以下语句：

cvTermCriteria(criteria_type, max_iter, CV_TERMCRIT_ITER);

您需要将其修改为：

cv::TermCriteria(criteria_type, max_iter, cv::TermCriteria::MAX_ITER);

这样就可以在 OpenCV 4.6 版本中使用该代码了。

相关问题

解释线面这段代码 Curpoint.clear(); Prepoint.clear(); CurpointRmDynamic.clear(); PrepointRmDynamic.clear(); for(auto it = mvKeys.begin(); it != mvKeys.end(); ++it) { Curpoint.push_back(it->pt); } //double mom = nmatches; //std::chrono::steady_clock::time_point t1 = std::chrono::steady_clock::now(); cv::calcOpticalFlowPyrLK(imGray, imGrayPre, Curpoint, Prepoint, State, Err, cv::Size(21, 21), 3, cv::TermCriteria(CV_TERMCRIT_ITER | CV_TERMCRIT_EPS, 30, 0.01)); /* std::chrono::steady_clock::time_point t2 = std::chrono::steady_clock::now(); double ttrack= std::chrono::duration_cast<std::chrono::duration<double> >(t2 - t1).count(); std::cout << "calcOpticalFlow time =" << ttrack*1000 << std::endl; */ int Cur_keypoint_sum = Curpoint.size(); int Pre_keypoint_sum; cv::Mat FundMat;

这段代码的主要作用是使用OpenCV库中的calcOpticalFlowPyrLK函数进行光流跟踪。光流跟踪是一种计算图像中物体或场景移动的技术，它通过比较两幅图像中同一位置上的像素来计算出它们之间的运动。具体来说，这段代码的步骤是：

1. 清空Curpoint、Prepoint、CurpointRmDynamic和PrepointRmDynamic四个vector。

2. 遍历mvKeys中的所有关键点，并将它们的坐标存储到Curpoint中。

3. 调用calcOpticalFlowPyrLK函数，对两幅图像imGray和imGrayPre进行光流跟踪，其中Curpoint是当前帧的关键点坐标，Prepoint是前一帧的关键点坐标，State和Err是输出参数，cv::Size(21, 21)是窗口大小，3是金字塔层数，cv::TermCriteria(CV_TERMCRIT_ITER | CV_TERMCRIT_EPS, 30, 0.01)是迭代终止条件。

4. 计算Curpoint中关键点的数量，并将结果存储到Cur_keypoint_sum中。

5. 创建一个cv::Mat类型的变量FundMat，用于存储基础矩阵。

TERMCRIT在opencv4.55中怎么用不了

TERMCRIT是OpenCV中的一个类，用于设置迭代的终止条件。在OpenCV4.55中，该类仍然可用。您可以在代码中包含以下头文件以使用该类：

#include <opencv2/core/types.hpp>

然后，您可以声明一个TERMCRIT对象并将其传递给需要使用终止条件的函数。例如，使用cv::TermCriteria类在cv::kmeans函数中设置迭代终止条件：

cv::TermCriteria termcrit(cv::TermCriteria::EPS+cv::TermCriteria::MAX_ITER, 10, 1.0);
cv::kmeans(data, K, labels, termcrit, 3, cv::KMEANS_PP_CENTERS, centers);

希望这可以帮助您解决您的问题！