特徵檢測

Shi-Tomasi 角點檢測和追蹤的良好特徵

Shi-Tomasi 角落探測器，使用到函式：cv.goodFeaturesToTrack()

它透過 Shi-Tomasi 方法（或 Harris 角點檢測，如果你指定它）在影像中找到 N 個最佳的角點。像往常一樣，影像應該是灰度影像。然後指定要查詢的角點數量。然後指定質量等級，該等級是 0-1 之間的值，所有低於這個質量等級的角點都將被忽略。最後設定檢測到的兩個角點之間的最小歐氏距離。

該函式選定質量等級最高的角點（即排序後的第一個角點），忽略該角點最小距離範圍內的其餘角點，以此類推最後返回 N 個最佳的角點。

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

img = cv.imread(r'C:\Users\19225\PycharmProjects\test\src\user\static\9.png')
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
corners = cv.goodFeaturesToTrack(gray, 25, 0.01, 10)
corners = np.int0(corners)
for i in corners:
    x, y = i.ravel()
    cv.circle(img, (x, y), 3, 255, -1)
plt.imshow(img), plt.show()

OpenCV 中的 FAST 特徵點檢測器

它可以像 OpenCV 中的任何其他特徵點檢測器一樣呼叫。如果需要，您可以指定閾值，是否應用非最大值抑制，要使用的鄰域等。

對於鄰域，定義了三個標誌，cv.FAST_FEATURE_DETECTOR_TYPE_5_8，cv.FAST_FEATURE_DETECTOR_TYPE_7_12 和 cv.FAST_FEATURE_DETECTOR_TYPE_9_16。

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

img = cv.imread(r'C:\Users\19225\PycharmProjects\test\src\user\static\9.png', 0)
# Initiate FAST object with default values
fast = cv.FastFeatureDetector_create()
# find and draw the keypoints
kp = fast.detect(img, None)
img2 = cv.drawKeypoints(img, kp, None, color=(255, 0, 0))
# Print all default params
print("Threshold: {}".format(fast.getThreshold()))
print("nonmaxSuppression:{}".format(fast.getNonmaxSuppression()))
print("neighborhood: {}".format(fast.getType()))
print("Total Keypoints with nonmaxSuppression: {}".format(len(kp)))
cv.imwrite('fast_true.png', img2)
# Disable nonmaxSuppression
fast.setNonmaxSuppression(0)
kp = fast.detect(img, None)
print("Total Keypoints without nonmaxSuppression: {}".format(len(kp)))
img3 = cv.drawKeypoints(img, kp, None, color=(255, 0, 0))
cv.imwrite(r'C:\Users\19225\PycharmProjects\test\src\user\static\2.jpg', img3)
cv.imshow('fast_false.png', img3)
cv.imshow('fast_true.png', img2)
cv.waitKey(0)