Python+OpenCV中的Shi-Tomasi角点检测实现(附代码)

1994年，J.Shi 和 C.Tomasi发表了文章《Good_Features_to_Track》，对Harris角点检测算法进行了改进。

具体原理可以参考各种文献资料，另外值得一提的是该算法适合运动物体的角点跟踪。

---

Opencv中的函数cv2.goodFeatureToTrack()用来进行Shi-Tomasi角点检测，其参数说明如下所示：

第一个参数：通常情况下，其输入的应是灰度图像；

第二个参数N：是想要输出的图像中N个最好的角点；

第三个参数：设置角点的质量水平，在0~1之间；代表了角点的最低的质量，小于这个质量的角点，则被剔除；

最后一个参数：设置两个角点间的最短欧式距离；也就是两个角点的像素差的平方和；

根据以上四个参数，运用此函数就能在图像上找到角点，所有低于质量水平的角点都被忽略；然后再把质量水平合格的角点按照角点质量进行降序排列；首先选取质量最高的那个角点，将其欧式距离内的角点都删掉；然后选取质量第二高的角点，重复进行；最后返回N个最佳角点；

附代码如下图所示：

# -*- coding: utf-8 -*-
import cv2
import numpy as np
from matplotlib import pyplot as plt

img=cv2.imread('4.jfif') #原图为彩色图，可将第二个参数变为0，为灰度图

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
corners = cv2.goodFeaturesToTrack(gray,30,0.3,5) # 返回的结果是 [[ a., b.]] 两层括号的数组。

corners = np.int0(corners)
for i in corners:
    x,y = i.ravel()
    cv2.circle(img,(x,y),2,255,-1) #在角点处画圆，半径为2，红色，线宽默认，利于显示
plt.imshow(img),plt.show()

运行结果如下：

Shi-Tomasi角点检测，红色点为角点