GPT答：

7i24.cn

Harris角点和Shi-Tomasi角点都是计算机视觉中常用的特征点检测算法。

Harris角点检测算法是由Chris Harris和Mike Stephens在1988年提出的，它通过计算图像中每个像素周围区域的灰度值变化来确定该像素是否为角点。如果一个像素周围区域内存在多个方向上的边缘，则该像素被认为是一个角点。Harris角点检测算法可以用于图像匹配、物体识别等应用。

Shi-Tomasi角点检测算法则是在Harris角点检测基础上进行改进，由Jianbo Shi和Carlo Tomasi在1994年提出。与Harris相比，Shi-Tomasi更加稳定且准确，在实际应用中表现更好。它通过计算每个像素周围邻域内最小特征值来确定该像素是否为关键特征（即“好”的特征）。如果最小特征值大于一定阈值，则该像素被认为是一个关键特征（即“好”的特征）。

例如，在下面这张图片中，使用OpenCV库函数cv2.cornerHarris()进行了Harris 角 点 检 测 ，并将结果可视化显示出来：

![image.png](attachment:image.png)

其中红色部分表示被识别为 Harris 角 点 的位置；而使用 OpenCV 库函数 cv2.goodFeaturesToTrack() 进行 Shi -Tom asi 角 点 检 测 ，并将结果可视化显示如下：

![image-2.png](attachment:image-2.png)

其中绿色部分表示被识别为 Shi -Tom asi 角 点 的位置。