opencv32:Shi-Tomasi 角点检测|Shi–Tomasi

目标

在本章中,将学习另一个角点检测器:

  • Shi-Tomasi拐角检测器
  • 函数:cv2.goodFeaturesToTrack()

理论

在上一章中,学习了Harris Corner Detector。1994年下半年,J.Shi和C. Tomasi在论文《Good Features to Track》中做了一个小修改,与Harris Harris Detector相比,展示了更好的结果。哈里斯角落探测器的计分功能由下式给出:

R = λ 1 λ 2 − k ( λ 1 + λ 2 ) 2 R = \lambda_1 \lambda_2 - k(\lambda_1+\lambda_2)^2 R=λ1λ2k(λ1+λ2)2

取而代之的是,C. Tomasi提出:
R = m i n ( λ 1 , λ 2 ) R=min(\lambda_1, \lambda_2) R=min(λ1,λ2)

如果大于阈值,则将其视为拐角。如果像在Harris Corner Detector中那样在 λ 1 − λ 2 \lambda_1-\lambda_2 λ1λ2 空间中绘制它,则会得到如下图像:
在这里插入图片描述

从图中可以看到,只有当 λ 1 \lambda_1 λ1 λ 2 \lambda_2 λ2 大于最小值 λ m i n \lambda_{min} λmin时,才将其视为拐角(绿色区域)。

代码

OpenCV有一个函数cv2.goodFeaturesToTrack()。它通过Shi-Tomasi方法(或哈里斯角检测,如果指定的话)找到图像中的N个最强角。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,指定质量级别,该值是介于0-1之间的值,该值表示每个角落都被拒绝的最低拐角质量。然后,提供检测到的角之间的最小欧式距离。
利用所有这些信息,该函数可以找到图像中的拐角,低于平均质量的所有拐角点均被拒绝。然后,会根据质量以降序的方式对剩余的角进行排序。然后函数首先获取最佳拐角,然后丢弃最小距离范围内的所有附近拐角,然后返回N个最佳拐角。

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

  • image 输入单通道图片
  • corners 输出的角点结果
  • maxCorners 最大的角点数量 maxCorners <= 0表示不限制
  • qualityLevel 最小的能接受的质量分数For example, if the best corner has the quality measure = 1500, and the qualityLevel=0.01 , then all the corners with the quality measure less than 15 are rejected.
  • minDistance 返回的角落之间的最小可能的欧几里德距离
  • mask 可选的兴趣区域。如果图像不为空(需要具有类型CV_8UC1和与图像相同的大小),则指定检测到角落的区域
  • blockSize 用于计算每个像素邻域的衍生协变矩阵的平均块的大小
  • useHarrisDetector 参数指示是否使用Harris检测器
  • 哈里斯检测器的免费参数

在下面的示例中,将尝试找到24个最佳角点:

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

img = cv2.imread('shi.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

corners = cv2.goodFeaturesToTrack(gray, 24, 0.01, 10)  # 四个参数,图像,个数,分数,距离
corners = np.int0(corners)

for i in corners:
    x, y = i.ravel()
    cv2.circle(img, (x,y), 3, 255, -1)

plt.imshow(img)
plt.show()

在这里插入图片描述

附加资源

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

uncle_ll

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值