OpenCV goodFeaturesToTrack如何设置固定角点质量度量阈值

原生OpenCV的cv2.goodFeaturesToTrack接口未直接提供固定质量阈值的入参，你可以通过「先质量预筛选、后角点提取」的两步逻辑实现需求，完全消除对当前帧最优角点质量的依赖，具体实现如下：

方法一：基于质量掩码实现（性能更优） #

该方案直接复用OpenCV内部的Shi-Tomasi质量计算逻辑，避免计算偏差：

import cv2
import numpy as np

# 自定义固定质量阈值，可根据业务需求调整
FIXED_QUALITY_THRESH = 15
# 其余原有参数保持不变
feature_params = dict(
    maxCorners=100,
    qualityLevel=0,  # 关闭原生相对阈值过滤
    minDistance=7,
    blockSize=7
)

# 第一步：计算当前帧所有像素的Shi-Tomasi质量度量（最小特征值，和goodFeaturesToTrack内部计算逻辑完全一致）
quality_map = cv2.cornerMinEigenVal(frame, blockSize=feature_params["blockSize"])
# 生成掩码：仅保留质量大于等于固定阈值的区域
valid_mask = (quality_map >= FIXED_QUALITY_THRESH).astype(np.uint8) * 255

# 第二步：传入掩码调用角点检测，仅在符合固定阈值要求的区域提取角点
p0 = cv2.goodFeaturesToTrack(frame, mask=valid_mask, **feature_params)

方法二：基于全量角点过滤实现（可获取角点质量） #

如果需要保留每个角点的质量值做后续处理，可以先提取所有候选角点再按阈值过滤：

import cv2
import numpy as np

FIXED_QUALITY_THRESH = 15
maxCorners = 100
feature_params = dict(
    maxCorners=0,  # 设为0返回所有符合基础要求的角点
    qualityLevel=0,
    minDistance=7,
    blockSize=7,
    useHarrisDetector=False
)

# 第一步：获取所有候选角点和对应的质量分数
corners, qualities = cv2.goodFeaturesToTrack(frame, mask=None, **feature_params)

# 第二步：按固定阈值过滤，可选限制最大角点数量
valid_idx = np.where(qualities >= FIXED_QUALITY_THRESH)[0]
if maxCorners > 0 and len(valid_idx) > maxCorners:
    valid_idx = valid_idx[:maxCorners]
p0 = corners[valid_idx]

说明 #

两种方案的过滤效果完全一致，你可以根据是否需要获取角点质量值、以及对性能的要求选择对应的实现。

内容的提问来源于stack exchange，提问作者Optical_flow_lover