Shi-Tomasi算法是對Harris角點檢測算法的改進，一般會比Harris算法得到更好的角點。Harris 算法的角點響應(yīng)函數(shù)是將矩陣 M 的行列式值與 M 的跡相減，利用差值判斷是否為角點。后來Shi 和Tomasi 提出改進的方法是，若矩陣M的兩個特征值中較小的一個大于閾值，則認為他是角點，即：

如下圖所示：

從這幅圖中，可以看出來只有當 λ1 和 λ 2 都大于最小值時，才被認為是角點。

corners = cv2.goodFeaturesToTrack ( image, maxcorners, qualityLevel, minDistance )

• Image: 輸入灰度圖像
• maxCorners : 獲取角點數(shù)的數(shù)目。
• qualityLevel：該參數(shù)指出最低可接受的角點質(zhì)量水平，在0-1之間。
• minDistance：角點之間最小的歐式距離，避免得到相鄰特征點。

返回：

• Corners: 搜索到的角點，在這里所有低于質(zhì)量水平的角點被排除掉，然后把合格的角點按質(zhì)量排序，然后將質(zhì)量較好的角點附近（小于最小歐式距離）的角點刪掉，最后找到maxCorners個角點返回。

import cv2 as cv import matplotlib.pyplot as plt# 1 讀取圖像 img = cv.imread('./1.jpg') gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)# 2 角點檢測 corners = cv.goodFeaturesToTrack(gray, 1000, 0.01, 10)# 3 繪制角點 for i in corners:x, y = i.ravel()cv.circle(img, (x, y), 2, (0, 0, 255), -1)# 4 圖像展示 plt.figure(figsize=(10, 8), dpi=100) plt.imshow(img[:, :, ::-1]), plt.title('shi-tomasi角點檢測') plt.xticks([]), plt.yticks([]) plt.show()

總結(jié)

以上是生活随笔為你收集整理的OpenCV Shi-Tomasi角点检测的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。