82 角点检测—shi-tomas角点检测

代码

import numpy as np
import cv2 as cv

def process(image, opt=1):
    # Detecting corners
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    corners = cv.goodFeaturesToTrack(gray, 100, 0.05, 10)
    print(len(corners))
    for pt in corners:
        print(pt)
        b = np.random.random_integers(0, 256)
        g = np.random.random_integers(0, 256)
        r = np.random.random_integers(0, 256)
        x = np.int32(pt[0][0])
        y = np.int32(pt[0][1])
        cv.circle(image, (x, y), 5, (int(b), int(g), int(r)), 2)
    # output
    return image

src = cv.imread("../images/box.bmp")
cv.imshow("input", src)
result = process(src)
cv.imshow('result', result)
cv.waitKey(0)
cv.destroyAllWindows()

实验结果

解释

Harris角点检测是一种计算速度很慢的角点检测算法，很难实时计算，所有最常用的是shi-tomas角点检测算法，它的运行速度很快。
OpenCV中相关API与解释如下：

corners = cv.goodFeaturesToTrack(image, maxCorners, qualityLevel, minDistance[, corners[, mask[, blockSize[, useHarrisDetector[, k]]]]])

• image单通道输入图像，八位或者浮点数
• maxCorners表示最大返回关键点数目
• qualityLevel表示拒绝的关键点 R < qualityLevel × max response将会被直接丢弃
• minDistance 表示两个关键点之间的最短距离
• corners是输出的关键点坐标集合
• mask 表示mask区域，如果有表明只对mask区域做计算
• blockSize 计算梯度与微分的窗口区域
• useHarrisDetector 表示是否使用harris角点检测，默认是false 为shi-tomas
• k = 0.04默认值，当useHarrisDetector为ture时候起作用

所有内容均来源于贾志刚老师的知识星球——OpenCV研习社，本文为个人整理学习，已获得贾老师授权，有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。