请看:
我们知道角点得分函数为:
【Tomasi Corner Detect】而Shi-的角点得分函数为:
如果R大于某个设定的阈值,则此处被认为是一个角点 。
中Shi-函数--cv2.() 。它将在图像中由Shi- 找到n个最强的(或者指定),通常,图像应该是一幅灰度图,并且你需要指定想要寻找的的数量,指定质量级别-level,其值为0-1之间,这表示角点的最小质量,低于该值的都将被拒绝 。然后提供检测到的的最小欧式距离 。注:所以低于-level的都将被丢弃,将剩余的基于-level降序的方式排列,然后函数取第一个最强壮的角,在最小距离范围内丢弃所有邻近的角,返回N个最强壮的角 。
Code:
import numpy as npimport cv2image = cv2.imread('../image/001.png')image_yuan_gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)corners = cv2.goodFeaturesToTrack(image_yuan_gray,25,0.01,5)corners = np.int0(corners)for i in corners:x,y = i.ravel()cv2.circle(image,(x,y),3,255,-1)cv2.imshow('image_yuan_gray', image)cv2.waitKey(0)cv2.destroyAllWindows()
结果:
- opencv32:Shi-Tomasi 角点检测|Shi–Tomasi
- OpenCV之Shi-Tomasi角点检测
- SHI-TOMASI角点检测
- python实现 Shi-Tomasi角点检测
- 图像特征检测笔记(特征检测基本概念,Harris,Shi-Tomasi
- keil仿真时,出现No ST-LINK detected