python 从批量图中标出图片的Shi-Tomasi corner

在Python中，特别是使用OpenCV库处理图像时，你可以通过`cv2.goodFeaturesToTrack()`函数来实现Shi-Tomasi角点检测，这是一个基于特征点检测的经典算法。这个函数可以从一幅图像的批量中找出稳定的、兴趣点性质的角点。

以下是基本步骤：

1. **导入必要的库**：

   import cv2

2. **读取图像批次**：

   images = [cv2.imread(img_path) for img_path in image_paths] # 假设image_paths是一个包含图像路径的列表

3. **设置检测参数**：

   params = dict(maxCorners=500, qualityLevel=0.01, minDistance=7, blockSize=7)

`maxCorners`设定最大角点数，`qualityLevel`是筛选角点的质量阈值，`minDistance`是相邻角点之间的最小距离，`blockSize`是用于计算积分图像大小的窗口。

4. **对每个图像应用角点检测**：

   corners_lists = []
   for img in images:
       gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
       corners, _ = cv2.goodFeaturesToTrack(gray_img, **params)
       corners_lists.append(corners)

5. **可视化结果**（如果需要）：

   for i, corners in enumerate(corners_lists):
       cv2.drawChessboardCorners(images[i], (8, 8), corners, True)
       cv2.imshow(f"Image {i+1} Corners", images[i])
       cv2.waitKey(0)  # 等待按键，按任意键继续到下一张