(四)OpenCV中的特征检测之Shi-Tomasi角落探测器和良好的特征跟踪

注释：本文翻译自OpenCV3.0.0 document->OpenCV-Python Tutorials，包括对原文档种错误代码的纠正

1.目标

• 我们将了解一个边角探测器：Shi-Tomasi探测器
• 学习这个函数：cv2.goodFeaturesToTrack()

2.理论

在上一章中，我们看到了Harris Corner边角探测器。1994年晚些时候，J. Shi and C. Tomasi在他们的论文Good Features to Track中做一些修改，与Harris CornerDetector相比，它显示出更好的结果。Harris Corner探测器的 score function由下式给出：

Shi-Tomasi的建议，与此不同：

如果它大于阈值，则将其视为角落。如果我们将它绘制在空间中，就像我们在Harris Corner Detector中所做的那样，我们得到如下图像：

从图中可以看出，只有当和高于最小值，它才被视为角落(绿色区域)。

3.代码

角点检测，如果你指定它）在图像中找到N个最强点。像往常一样，图像应该是灰度图像。然后指定要查找的角的数量。然后指定质量等级，该等级介于0-1之间的值，其表示角落的最低质量，低于该质量，每个人都被拒绝。然后，我们提供检测到的角落之间的最小欧氏距离。

利用所有这些信息，该函数在图像中找到角点。质量水平以下的所有角落都被拒绝。然后根据质量按降序排列剩余的角落。然后函数取第一个最强角，将最近距离范围内的所有附近角落抛弃并返回N个最强角。

在下面的栗子中，我们将尝试找到25个最佳角点：