# Shi-Tomasi 角点检测和适合图像追踪的特征
# 在Shi-Tomasi 角点检测的打分函数为:
# R=min(λ1,λ2)
# 在harris角点检测的方法中,对角点判断的打分公式为
# R=λ1λ2−k(λ1+λ2)2
import numpy as np
import cv2
img = cv2.imread('image/qi.jpg')
img = cv2.resize(img, (800, 800))
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
corners = cv2.goodFeaturesToTrack(gray,72,0.01,10)#棋盘上的所有点
'''image 输入的灰度图像
maxCorners 要检测到的最大角点数量
qualityLevel 角点质量,值在0到1之间,低于此值的角点会被略掉。
minDistance 两个角点之间的最小距离,使用欧几里得距离
blocksize 可选,计算每个像素相邻矩阵导数时的平均块大小
mask 可选参数,表示角点的检测区域
k 可选,使用harris角点检测的自由参数'''
corners = np.int0(corners)
print(corners)
for i in corners:
x,y = i.ravel() # 多维数组降为1维,但是用ravel后修改会影响原数组,flatten
cv2.circle(img,(x,y),10,(0, 255, 255),-1)#在原图像上画出角点位置
cv2.imshow('p',img)
cv2.waitKey(0)
结果返回角点向量
将获得到的角点按照角点“质量”降序排列。将质量最高的角点排在第一位,然后过滤掉它周围minDistance之内的角点。以此类推