Python Opencv实践 - Shi-Tomasi角点检测

参考资料：Harris和Shi-tomasi角点检测笔记（详细推导）_harris焦点检测_亦枫Leonlew的博客-CSDN博客

 cv.goodFeaturesToTrack：Shi-Tomasi角点检测-OpenCV-python_独憩的博客-CSDN博客

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
 
img = cv.imread("../SampleImages/armcore.jpg", cv.IMREAD_COLOR)
plt.imshow(img[:,:,::-1])
 
#转换为灰度图像
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
plt.imshow(img_gray, plt.cm.gray)
 
 
#Shi-Tomasi角点检测
#corners = cv.goodFeaturesToTrack( image, maxCorners, qualityLevel, minDistance[, corners[, mask[, blockSize[, useHarrisDetector[, k]]]]] )
#  image：8位或32位浮点型输入图像，单通道
#  maxCorners：角点数目最大值，如果实际检测的角点超过此值，则只返回前maxCorners个强角点
#  qualityLevel：角点的品质因子，0-1中的数字
#  minDistance：对于初选出的角点而言，如果在其周围minDistance范围内存在其他更强角点，则将此角点删除
#  _mask：指定感兴趣区，如不需在整幅图上寻找角点，则用此参数指定ROI
#  blockSize：计算协方差矩阵时的窗口大小
#  useHarrisDetector：指示是否使用Harris角点检测，如不指定，则计算shi-tomasi角点
#  harrisK：Harris角点检测需要的k值
#  一般来说，可以只输入image maxCorners, qualityLevel, minDistanc
#参考资料：https://blog.csdn.net/qq_54517101/article/details/121762965
corners = cv.goodFeaturesToTrack(img_gray, 800, 0.09, 5)
#绘制角点
for corner in corners:
    x,y = corner.ravel()
    cv.circle(img, (int(x),int(y)), 2, (0,255,0), -1)
 
plt.imshow(img[:,:,::-1])