Shi-Tomasi 角点检测 & 适合于跟踪的图像特 征

 Harris 角点检测的打分公式为：R = λ1λ2 − k (λ1 + λ2)，但 Shi-Tomasi 使用的打分函数为：R = min (λ1, λ2），如果打分超过阈值，我们就认为它是一个角点。我们可以把它绘制到 λ1 ～λ2 空间中，就会得到下图：

从这幅图中，我们可以看出来只有当 λ1 和 λ2 都大于最小值时，才被认为
是角点（绿色区域）。

 

 

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
def goodFeaturesToTrack(imgae):
    gray = cv.cvtColor(imgae, cv.COLOR_BGR2GRAY)
    corners = cv.goodFeaturesToTrack(gray, 25, 0.01, 10)      # 返回的结果是 [[ 311., 250.]] 两层括号的数组
    corners = np.int0(corners)

    for i in corners:
        x,y = i.ravel()
        cv.circle(imgae,(x,y),3,255,-1)

    cv.imshow("corn", imgae)
    plt.imshow(imgae),plt.show()  ##绘制热图


print("--------- Python OpenCV Tutorial ---------")
src = cv.imread("C:/Users/weiqiangwen/Desktop/sest/left08.jpg")
cv.namedWindow("input contours",cv.WINDOW_AUTOSIZE)
cv.imshow("contours", src)
goodFeaturesToTrack(src)
#cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)

cv.waitKey(0)

cv.destroyAllWindows()