python opencv角点检测

这是我参与更文挑战的第 24 天，活动详情查看： 更文挑战

Shi-Tomasi角点检测

在Harris角点检测中，Harris角点评价系数R表示为：

$$R=det(M)-k(trace(M))^2$$

$$det(M)=λ_1λ_2$$

$$trace(M)=λ_1+λ_2$$

$$其中det(M)=λ_1λ_2是矩阵的行列式，trace(M)=λ_1+λ_2是矩阵的迹$$

λ1 和 λ2 是矩阵M的特征值， k是一个经验常数，在范围 (0.04, 0.06) 之间。由于 Harris 角点检测算法的稳定性和 k 值有关，而 k 是个经验值，不好设定最佳值，且角点的稳定性与矩阵 M 的较小特征值有关，于是直接用较小的那个特征值作为评价系数。所以在Shi-Tomasi算法中，评价系数R表示为：

$$R=min(λ_1,λ_2)$$

如果某个像素点R值大于阈值，则像素点是为角点。把它绘制到 λ1 ～ λ2 空间中，就会得到下图：

API

public static void goodFeaturesToTrack(Mat image, MatOfPoint corners, int maxCorners, double qualityLevel, double minDistance, Mat mask, int blockSize, boolean useHarrisDetector, double k) 

• 参数一：image，输入源图像。必须是单通道8U或者32F类型。
• 参数二：corners，检测到的角点输出量。
• 参数三：maxCorners，返回角点数目最大值。如果实际检测到的角点大于返回数目最大值，则返回最强的maxCorners个角点。若此参数设置为0，则无此限制。
• 参数四：qualityLevel，表示图像角点的最低可接受水平。比如最强角点评价系数为1500，并且此参数为0.01，那么所有评价系数低于15的将都会被排除在外，不是角点，即15就是检测角点的阈值。
• 参数五：minDistance，角点之间的最小欧几里得距离。
• 参数六：mask，掩码矩阵，表示检测角点的区域。如果参数不为空，则必须是和源图像大小相同的单通道8U图像。
• 参数七：blockSize，计算梯度协方差矩阵的尺寸。
• 参数八：useHarrisDetector，是否使用Harris角点检测。默认为false，使用Shi-Tomasi算法。
• 参数九：k，Harris角点检测过程中的权重系数。

操作

/ * Shi-Tomas角点检测 * author: yidong * 2021/1/7 */ class ShiTomasiActivity : AppCompatActivity() { private val gray by lazy { getBgrFromResId(R.drawable.lena).toGray() } private val rgb by lazy { getBgrFromResId(R.drawable.lena).toRgb() } private val mBinding: ActivityShiTomasBinding by lazy { ActivityShiTomasBinding.inflate(layoutInflater) } override fun onCreate(savedInstanceState: Bundle?) { super.onCreate(savedInstanceState) setContentView(mBinding.root) mBinding.ivLena.showMat(gray) wrapCoroutine({ showLoading() }, { doShiTomas() }, { hideLoading() }) } private fun doShiTomas() { val corners = MatOfPoint() val maxCorners = 100; val qualityLevel = 0.1 val minDistance = 0.04 Imgproc.goodFeaturesToTrack( gray, corners, maxCorners, qualityLevel, minDistance, Mat(), 3, false ) val points = corners.toList() val result = rgb.clone() GlobalScope.launch(Dispatchers.Main) { for (point in points) { Imgproc.circle(result, point, 10, Scalar(0.0, 255.0, 0.0), 2, Imgproc.LINE_8) } mBinding.ivResult.showMat(result) } } private fun showLoading() { mBinding.isLoading = true } private fun hideLoading() { mBinding.isLoading = false } override fun onDestroy() { super.onDestroy() gray.release() rgb.release() } } 

效果

源码

github.com/onlyloveyd/…