0
点赞
收藏
分享

微信扫一扫

Lnton羚通视频分析算法平台在OpenCV-Python中Harris角点检测介绍

Shi-Tomasi 角点检测算法是计算机视觉领域中的一种经典角点检测算法,它是从Moravec角点检测算法和Harris角点检测算法中提取出一些优点,并实现了更好的性能表现。具体来说,Shi-Tomasi 角点检测算法针对每个像素,计算在不同方向上的灰度值变化率,以及邻域像素点的最小特征值,如果在某一方向上的灰度值变化率超过了预设的阈值,而在其他方向上的灰度值变化率则比较小,同时邻域像素点的最小特征值也大于了一定的阈值,那么该像素就被认为是一个角点。

以下是一些Shi-Tomasi角点检测算法的重要信息:

构建图像金字塔:Shi-Tomasi角点检测算法首先使用图像金字塔将原始的图像进行尺度变化,然后在不同的尺度空间上进行角点检测。

计算梯度:对于每个像素,Shi-Tomasi角点检测算法计算其在x轴和y轴方向上的梯度值。

计算结构矩阵:根据计算得到的梯度值,Shi-Tomasi角点检测算法可以构造一个2x2的结构矩阵。

计算最小特征值:对于每个像素,通过计算其邻域像素点所构成的结构矩阵,可以得到该像素点对应的两个特征值,并且选择其中的最小值作为该像素点的最小特征值。

计算响应函数:Shi-Tomasi角点检测算法会对选取的每个像素点与其对应的最小特征值计算一个响应函数,该函数可以反映出像素点的角点程度。在实现时,Shi-Tomasi采用了一个比Harris角点检测算法更简单的响应函数,即响应函数= min(eigValue1, eigValue2)。

进行非极大值抑制:在获得所有角点响应函数后,Shi-Tomasi角点检测算法会使用非极大值抑制来排除重复的角点。

Lnton羚通视频分析算法平台在OpenCV-Python中Harris角点检测介绍_角点检测

需要注意的是,Shi-Tomasi角点检测算法能够检测出图像中的角点,它对于具有明显角点的图像效果较好,但对于曲线、平滑或缺乏角点的图像,它的检测效果则不佳。如果需要应用于实际项目中,建议结合其他算法一起使用,以达到更好的效果。

Lnton 羚通专注于音视频算法、算力、云平台的高科技人工智能,基于视频分析技术、视频智能传输技术、远程监测技术以及智能语音融合技术等, 拥有多款可支持 ONVIF、RTSP、GB/T28181 等多协议、多路数的音视频智能分析服务器。

Lnton羚通视频分析算法平台在OpenCV-Python中Harris角点检测介绍_像素点_02

举报

相关推荐

0 条评论