Shi-Tomasi角点检测（python实现）

文章目录

1.特征检测

2.Shi-角点检测

Shi-是对角点检测的改进；

由于角点检测算法的稳定性和K系数有关，而K是一个经验值，所以不好设定其K的最佳值。

3.Shi-角点检测函数讲解

(image, , , , =None, mask=None, =None, =None, k=None):

Image:输入的原始图像；

:角点的最大数，值为0表示无限制；

:角点的质量；小于的1.0的正数，一般在0.01-0.1之间；表示可接受角点的最低质量水平。该系数乘以最好的角点分数（也就是上面较小的那个特征值），作为可接受的最小分数；例如，如果最好的角点分数值为1500且质量系数为0.01，那么所有质量分数小于15的角都将被忽略。

:角之间最小欧式距离，忽略小于此距离的点。

:输出检测角点的一个向量值；

Mask:感兴趣的区域；

:检测窗口的大小；

：是否使用算法，默认值为false，不使用算法；

K:默认值为0.04；

4.代码实战

import os
import cv2
import numpy as np#读取图片
img=cv2.imread('images/HaLiSi.jpg')
#缩放图片
img=cv2.resize(src=img,dsize=(450,450))
#转灰度图
gray=cv2.cvtColor(src=img,code=cv2.COLOR_RGB2GRAY)
tomasiCorners=cv2.goodFeaturesToTrack(image=gray,maxCorners=1000,qualityLevel=0.01,minDistance=10)
#转换为整形
tomasiCorners=np.int0(tomasiCorners)
#遍历所有的角点
for corner in tomasiCorners:#获取角点的坐标x,y=corner.ravel()cv2.circle(img=img,center=(x,y),radius=3,color=(0,255,0),thickness=-1)#显示图像
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()if __name__ == '__main__':print('Pycharm')