写一个shi-tomasi角点检测的程序，检测区域为图片的假中央1/2宽和高的区域

Shi-Tomasi角点检测是一种基于图像局部特征的快速角点检测算法，它结合了SIFT（Scale-Invariant Feature Transform，尺度不变特征变换）和Shi-Tomasi角点检测器的优点。如果你想在Python中使用OpenCV库来实现这一功能，以下是一个基本的步骤：

import cv2
import numpy as np

def detect_interest_points(image, central_fraction=0.5):
    # 将输入图像灰度化
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # 定义中心位置，这里为假中央1/2宽和高的范围
    center_y, center_x = gray.shape[0] * central_fraction, gray.shape[1] * central_fraction
    y_start, y_end = int(center_y), gray.shape[0]
    x_start, x_end = int(center_x), gray.shape[1]

    # 提取ROI (感兴趣区域) - 我们关注的区域
    roi_gray = gray[y_start:y_end, x_start:x_end]

    # 使用 Shi-Tomasi 角点检测器
    good_features_to_track = cv2.goodFeaturesToTrack(roi_gray, maxCorners=100, qualityLevel=0.01, minDistance=7)

    # 获取角点坐标
    corners = np.float32(good_features_to_track[:, 0, :]).reshape(-1, 2)

    # 如果有角点被检测到
    if len(corners) > 0:
        corners += [x_start, y_start]  # 将原始图像的坐标加回到兴趣区域内
        return corners
    else:
        print("No corners detected.")
        return []

# 加载一张图片作为示例
image_path = 'path_to_your_image.jpg'
img = cv2.imread(image_path)
corners = detect_interest_points(img)

# 可能的情况--:
1. 为什么要对ROI做角点检测而非直接整个图像？
2. 检测结果如何处理和可视化？
3. 如何调整 Shi-Tomasi 的参数以优化检测效果？