给出python代码实例

以下是使用OpenCV库实现Shi-Tomasi角点检测的Python代码示例：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('test.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Shi-Tomasi角点检测
corners = cv2.goodFeaturesToTrack(gray, maxCorners=100, qualityLevel=0.3, minDistance=7)

# 绘制角点
corners = np.int0(corners)
for corner in corners:
    x, y = corner.ravel()
    cv2.circle(img, (x, y), 3, (0, 0, 255), -1)

# 显示图像
cv2.imshow('Shi-Tomasi Corner Detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个代码示例中，我们首先读取一张图像，并将其转换为灰度图像。然后，我们使用`cv2.goodFeaturesToTrack()`函数进行Shi-Tomasi角点检测，其中`maxCorners`参数表示检测到的角点数量上限，`qualityLevel`参数表示角点检测的质量等级，`minDistance`参数表示角点之间的最小距离。最后，我们使用`cv2.circle()`函数在图像上绘制检测到的角点，并显示图像。

需要注意的是，Shi-Tomasi角点检测算法与Harris角点检测算法类似，都需要设置一些参数，如窗口大小、响应函数参数等，以达到最佳的检测效果。在实际应用中，需要根据具体情况进行调整和优化。