python 在批量图中，找出Shi-Tomasi corner

在Python中，如果你想要在图像批量处理中寻找 Shi-Tomasi 角点，通常会使用 OpenCV（Open Source Computer Vision Library）库。Shi-Tomasi算法是一种快速可靠的角点检测方法，它结合了Good Features to Track (GFTT) 和 Harris角点检测的优点。

以下是一个简单的步骤概述：

1. 首先，你需要安装`opencv-python`库，如果没有安装，可以使用pip安装：

   pip install opencv-python

2. 导入必要的模块：

   import cv2
   import numpy as np

3. 定义一个函数来检测角点并保存结果：

   def detect_keypoints(image_path):
       img = cv2.imread(image_path)
       gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
       
       # Shi-Tomasi参数设置（这里举例，可以根据需要调整）
       params = cv2.SimpleBlobDetector_Params()
       params.minDistance = 10  # 点之间的最小距离
       params.maxThreshold = 200  # 最大灰度值差
       params.minArea = 50  # 角点区域最小面积
       params.filterByCircularity = False  # 是否过滤圆形特征
       
       # 使用ShiTomasi算法创建角点检测器
       detector = cv2.SimpleBlobDetector_create(params)
       keypoints = detector.detect(gray)

       # 画出角点
       img_with_keypoints = cv2.drawKeypoints(gray, keypoints, None, color=(0, 0, 255), flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
       return img_with_keypoints

   # 测试函数
   for image_path in image_list:  # 假设image_list是包含图片路径的列表
       result_image = detect_keypoints(image_path)
       cv2.imwrite(f"result_{image_path}", result_image)

4. 这段代码会对列表中的每张图片找到Shi-Tomasi角点，并将结果显示出来，同时保存处理后的图片。