C++ 程序使用 OpenCV 生成两个黑色的灰度图像，并添加随机特征点，然后将这两个图像合并为一张图像并显示

源码文件

#include <iostream>
#include <vector>
#include <opencv2/opencv.hpp>

std::vector<cv::KeyPoint> generateRandomKeyPoints(const cv::Mat& image, int numPoints) {
    std::vector<cv::KeyPoint> keypoints;
    cv::RNG rng; // OpenCV 随机数生成器
    for (int i = 0; i < numPoints; ++i) {
        cv::Point2f pt(rng.uniform(0.f, (float)image.cols), rng.uniform(0.f, (float)image.rows));
        keypoints.push_back(cv::KeyPoint(pt, 1.f));
    }
    return keypoints;
}

int main() {
    // 生成两个简单的灰度图像
    cv::Mat imLeft = cv::Mat::zeros(240, 320, CV_8UC1); // 240x320 的黑色图像
    cv::Mat imRight = cv::Mat::zeros(240, 320, CV_8UC1);

    // 生成一些随机特征点
    std::vector<cv::KeyPoint> mvKeys = generateRandomKeyPoints(imLeft, 100);
    std::vector<cv::KeyPoint> mvKeysRight = generateRandomKeyPoints(imRight, 100);

    cv::Mat imLeftBGR;
    imLeftBGR = imLeft.clone();
    cv::cvtColor(imLeft, imLeftBGR, cv::COLOR_GRAY2BGR);
    cv::drawKeypoints(imLeftBGR, mvKeys, imLeftBGR, cv::Scalar(0, 0, 255));

    cv::Mat imRightBGR;
    imRightBGR = imRight.clone();
    cv::cvtColor(imRight, imRightBGR, cv::COLOR_GRAY2BGR);
    cv::drawKeypoints(imRightBGR, mvKeysRight, imRightBGR, cv::Scalar(0, 255, 0));

    cv::Mat mergedImage(imLeftBGR.rows, imLeftBGR.cols + imRightBGR.cols, imLeftBGR.type());
    imLeftBGR.copyTo(mergedImage(cv::Rect(0, 0, imLeftBGR.cols, imLeftBGR.rows)));
    imRightBGR.copyTo(mergedImage(cv::Rect(imLeftBGR.cols, 0, imRightBGR.cols, imRightBGR.rows)));


    cv::imshow("Merged Image", mergedImage);
    cv::waitKey(0);

    return 0;
}

功能解读

1. 生成灰度图像：程序创建了两个大小为 240x320 像素的黑色灰度图像，分别命名为 imLeft 和 imRight。

2. 生成随机特征点：

   • 使用 generateRandomKeyPoints 函数在这两个图像上生成指定数量（在这个例子中是100个）的随机特征点。
   • 这些特征点存储在 std::vector<cv::KeyPoint> 类型的 mvKeys 和 mvKeysRight 中。

3. 处理和显示左图像（imLeft）：

   • 克隆 imLeft 到 imLeftBGR。
   • 使用 cv::cvtColor 将 imLeftBGR 从灰度转换为 BGR 彩色格式。
   • 使用 cv::drawKeypoints 在 imLeftBGR 上绘制 mvKeys 中的特征点，这些点以红色显示（BGR: 0, 0, 255）。

4. 处理和显示右图像（imRight）：

   • 类似地，克隆 imRight 到 imRightBGR 并将其转换为 BGR 彩色格式。
   • 使用 cv::drawKeypoints 在 imRightBGR 上绘制 mvKeysRight 中的特征点，这些点以绿色显示（BGR: 0, 255, 0）。

5. 合并图像：

   • 创建一个新的图像 mergedImage，大小足以容纳 imLeftBGR 和 imRightBGR 并排放置。
   • 将 imLeftBGR 和 imRightBGR 分别复制到 mergedImage 的左侧和右侧。

6. 显示合并后的图像：

   • 使用 cv::imshow 显示 mergedImage。
   • cv::waitKey(0) 使得图像窗口保持打开状态，直到用户按下任意键。

总体来说，这个程序演示了如何在 OpenCV 中生成图像，添加特征点，进行基本的图像处理（例如颜色空间转换和特征点绘制），以及如何合并和显示图像。这种类型的处理在计算机视觉和图像分析中很常见。

编译文件

cmake_minimum_required(VERSION 3.10)
project(ImagePyramid)

# 设置C++标准
set(CMAKE_CXX_STANDARD 11)
set(CMAKE_CXX_STANDARD_REQUIRED True)

# 找到OpenCV包
find_package(OpenCV REQUIRED)

# 包含OpenCV头文件
include_directories(${OpenCV_INCLUDE_DIRS})

# 添加可执行文件
add_executable(ImagePyramid main.cpp)

# 链接OpenCV库
target_link_libraries(ImagePyramid ${OpenCV_LIBS})