OpenCV - Shi-Tomasi 角点检测 （Python实现）

原理

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）。

函数

cv2.goodFeaturesToTrack ( image, maxcorners, qualityLevel, minDistance, [, corners [, mask [, blocksize [, useHarrisDetector [, k ]]]]] )

参数
maxCorners	最大数目的角点数
qualityLevel	该参数指出最低可接受的角点质量，是一个百分数，示例中给出为0.01。 具体来说，如果最好的角点质量=1500，而qualityLevel = 0.01，那么角点质量<15的就都会被拒掉
minDistance	角点之间最小的欧拉距离，避免得到相邻特征点
mask	可选参数，给出ROI

代码

import numpy as np
import cv2
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
corners = cv2.goodFeaturesToTrack(gray,25,0.01,10)
corners = np.int0(corners)
for i in corners:
    x,y = i.ravel()
    cv2.circle(img,(x,y),3,255,-1)
cv2.imshow("img", img)
cv2.waitKey()
cv2.destroyAllWindows()