角点检测对比实训HarrisvsShiTomasi59课件讲解.pptx

计算机视觉应用角点检测对比实训HarrisvsShi-Tomasi主讲人：李雅峰

计算机视觉应用

角点检测对比实训HarrisvsShi-Tomasi

角点检测对比角点检测算法对比HarrisShi-Tomasi

项目目标与准备工作第一部分

“学什么”“备什么”

1.项目目标掌握两种角点检测算法的参数调整方法；1.分析不同参数对检测结果的影响；2.总结两种算法的适用场景，为实际应用提供选择依据。3.

2.准备工作选择3幅不同类型的图像棋盘格（密集角点）书架（中等密度）单人照（稀疏角点）素材方面用到4个核心技术Harris角点检测（传统方法）Shi-Tomasi角点检测（改进方法）参数调优（对比实验）结果可视化（多图拼接）

核心步骤拆解代码逐行解释第二部分

“为什么这么写”“参数是什么意思”

1.核心步骤拆解导入两个必要的库导入两个必要的库OpenCV核心库处理数组新建一个叫exp1_corner_compare.py的文件

1.核心步骤拆解第一步：定义检测函数（代码复用关键）

1.核心步骤拆解第一步：定义检测函数（代码复用关键）

1.核心步骤拆解第一步：定义检测函数（代码复用关键）

1.核心步骤拆解第二步：读取图像+格式检查创建图像路径列表为什么选这三幅？

1.核心步骤拆解第二步：读取图像+格式检查chessboard.jpgbookshelf.jpglena.jpg因为它们代表不同角点密度场景，便于全面对比；

1.核心步骤拆解第二步：读取图像+格式检查创建图像路径列表为什么选这三幅？循环读取图像加判断确保读取成功读取灰度图

1.核心步骤拆解第三步：多参数对比检测（实验核心）对每幅图像进行Harris三组参数检测k=0.02（敏感）k=0.04（适中）k=0.06（严格）对每幅图像进行Shi-Tomasi三组参数检测qualityLevel=0.01（宽松）0.05（适中）0.1（严格）

1.核心步骤拆解第四步：结果标注与统计

1.核心步骤拆解第五步：多图拼接显示拼接Harris三个参数结果拼接Shi-Tomasi三个参数结果形成2行3列的对比图为什么这样拼接？可以直观对比同一算法不同参数的效果，以及不同算法在同一参数下的差异。

1.核心步骤拆解第六步：结果显示与保存显示对比窗口保存结果图像为每幅图像生成独立的对比图

运行验证与结果分析第三部分

3.结果与分析但k过小会导致误检，如平面区域的微小噪声被误判为角点，推荐k=0.04；k是角点响应值的系数，k越小对疑似角点的判定越宽松，角点数量越多；Harris参数k

3.结果与分析值越大仅保留高质量角点，分布更均匀，推荐qualityLevel=0.05；值越小允许的低质量角点越多，数量越多；Shi-Tomasi参数qualityLevel

3.结果与分析图5-7棋盘格角点检测对比实训（HarrisvsShi-Tomasi）

3.结果与分析图5-8书架、单人照角点检测对比实训（HarrisvsShi-Tomasi）

角点检测的关键规律Harris的k值控制角点密度Shi-Tomasi的qualityLevel控制角点质量；不同场景需要选择不同算法和参数

总结“实际场景怎么选”“参数影响怎么分析”“两种角点检测算法怎么调参”

总结掌握了角点检测对比方法，以后遇到特征提取任务都能做出最优选择！记住：计算机视觉落地不是靠复杂算法，而是把基础技术用对地方。