cv.goodFeaturesToTrack：Shi-Tomasi角点检测-OpenCV-python

最新推荐文章于 2024-09-21 11:16:41 发布

独憩

最新推荐文章于 2024-09-21 11:16:41 发布

阅读量2.6k

点赞数 1

分类专栏： opencv-python 学习文章标签： opencv python 计算机视觉

本文链接：https://blog.csdn.net/qq_54517101/article/details/121762965

版权

opencv-python 学习专栏收录该内容

21 篇文章

订阅专栏

本文介绍了Harris角点检测和Shi-Tomasi角点检测两种方法，并通过代码示例展示了它们在图像处理中的应用。Shi-Tomasi角点检测被认为效果更优，因为它在确定角点时使用了不同的阈值策略。文章提供了OpenCV库中实现这两种方法的函数调用方式，并给出了检测结果的展示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

回顾Harris角点检测：

Harris角点检测-OpenCV_独憩的博客-CSDN博客

Shi-Tomasi角点检测：

相比于Harris角点检测：

$R=det(M)-k(trace(M))^2$

Shi-Tomasi角点检测提出

$R = min(\lambda _{1},\lambda _{2})$

如果它大于一个阈值，就被认为是一个角。只有当λ1和λ2高于一个最小值λmin时，它才被认为是一个角。

corners = cv.goodFeaturesToTrack( image, maxCorners, qualityLevel, minDistance[, corners[, mask[, blockSize[, useHarrisDetector[, k]]]]] )

image：8位或32位浮点型输入图像，单通道

maxCorners：角点数目最大值，如果实际检测的角点超过此值，则只返回前maxCorners个强角点

qualityLevel：角点的品质因子，0-1中的数字

minDistance：对于初选出的角点而言，如果在其周围minDistance范围内存在其他更强角点，则将此角点删除

_mask：指定感兴趣区，如不需在整幅图上寻找角点，则用此参数指定ROI

blockSize：计算协方差矩阵时的窗口大小

useHarrisDetector：指示是否使用Harris角点检测，如不指定，则计算shi-tomasi角点

harrisK：Harris角点检测需要的k值

一般来说，可以只输入image maxCorners, qualityLevel, minDistanc

Shi-Tomasi角点检测实例：

import cv2.cv2
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

img = cv.imread(r'XXXXX.jpg')
img = cv2.resize(img, (0, 0), fx=0.1, fy=0.1, interpolation=cv2.INTER_NEAREST)
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
corners = cv.goodFeaturesToTrack(gray,45,0.01,10)
corners = np.int0(corners)
#img = cv.cvtColor(img,cv.COLOR_BGR2RGB)
for i in corners:
    x,y = i.ravel()
    cv.circle(img,(x,y),5,(0,0,255),-1)
cv.imwrite(r'XXXXXX.jpg',img)

对比Harris角点检测：

import cv2.cv2
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

img = cv.imread(r'XXXX\beatiful.jpg')
img = cv2.resize(img, (0, 0), fx=0.1, fy=0.1, interpolation=cv2.INTER_NEAREST)
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
gray = np.float32(gray)
dst = cv.cornerHarris(gray, 2, 3, 0.04)

dst = cv.dilate(dst, None)

img[dst > 0.01 * dst.max()] = [0, 0, 255]
cv.imshow('dst', img)
cv.waitKey(0)
cv.imwrite(r'C:\Users\12860\Desktop\beatiful1.jpg',img)