OpenCV中的Shi-Tomasi角点检测器
上一篇博客介绍了Harris角点检测器，这篇博客将介绍另一个角点检测器：Shi-Tomasi角点检测器。
-
Shi-Tomasi角点检测器是Harris角点检测器的优化，效果更好；
-
cv2.goodFeaturesToTrack()，通过Shi-Tomasi方法（或者Harris角点检测）在图像中找到N个最强的角点。并且在跟踪对象方面性能很好。
1. 效果图
原图 VS Harris角点检测器效果如下：
原图 VS Shi-Tomasi角点检测效果图如下：
可以看出Shi-Tomasi确实效果要好一些，所有角点均被成功检测；
2. 源码
# Shi-Tomasi角点检测是Harris角点检测的优化，更准确，会检测出N个最强角点；
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('images/polygon.jpg')
plt.subplot(1, 2, 1)
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.xticks([])
plt.yticks([])
plt.title("origin")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
corners = cv2.goodFeaturesToTrack(gray, 25, 0.01, 10)
corners = np.int0(corners)
for i in corners:
x, y = i.ravel()
cv2.circle(img, (x, y), 3, 255, -1)
plt.subplot(1,2,2)
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.xticks([])
plt.yticks([])
plt.title("Shi-Tomasi res")
plt.show()
