FAST角点检测算法

FAST角点检测算法

---

author@Jason_ql（lql0716）
http://blog.csdn.net/lql0716

---

1、FAST角点检测原理

• 算法步骤：

1、在图像中任选一点p， 假定其像素（亮度）值为 Ip

2、以3为半径画圆，覆盖p点周围的16个像素，如下图所示

3、设定阈值t，如果这周围的16个像素中有连续的n个像素的像素值都小于 Ip−t或者有连续的n个像素都大于Ip+t， 那么这个点就被判断为角点。 在OpenCV的实现中n取值为12（16个像素周长的 3/4）.

4、一种更加快的改进是： 首先检测p点周围的四个点，即1， 5， 9， 12四个点中是否有三个点满足超过Ip+t， 如果不满足，则直接跳过，如果满足，则继续使用前面的算法，全部判断16个点中是否有12个满足条件。

• 以上算法的缺点：很可能大部分检测出来的点彼此之间相邻，我们要去除一部分这样的点。为了解决这一问题，我们采用了非极大值抑制的算法

• 非极大值抑制
  对一个角点P建立一个3*3（或5*5，7*7）的窗口，如果该窗口内出现了另一个角点Q，则比较P与Q的大小，如果P大，则将Q点删除，如果P小，则将P点删除。

• FAST 算法特点

1、在速度上要比其他算法速度快很多

2、受图像噪声以及设定的阈值影响很大

3、FAST不产生多尺度特征而且FAST特征点没有方向信息，这样就会失去旋转不变性。

2、opencv-Fast角点检测算法C++版代码

• C++代码（opencv2.4.13）

#include   //该行为Qt环境使用。VS下请注释或删除该行。
#include 

using namespace cv;
using namespace std;

//**********************************************************************************************
//                                     【fast角点检测算法】
//**********************************************************************************************

int main()
{
    string path = "/home/jason/1.jpg";  //图片路径
    cv::Mat img, gray;

    img = cv::imread(path);  //读取图片
    cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);  //转换为灰度图
    std::vector kp;  //特征点向量

    cv::FastFeatureDetector fast(32);  //FAST特征检测器， 32为阈值，阈值越大，特征点越少
    fast.detect(gray, kp);  //检测fast特征点

    cv::drawKeypoints(img, kp, img, cv::Scalar(0, 255, 0), cv::DrawMatchesFlags::DRAW_OVER_OUTIMG);  //画特征点

    cv::namedWindow("img", cv::WINDOW_NORMAL);
    cv::imshow("img", img);
    cv::waitKey(0);

    cv::imwrite("/home/jason/1.jpg", img);

    return 0;
}

原图：

效果图：

3、opencv-Fast角点检测算法python版代码

• python版代码（opencv2.4.13）
  该代码和C++代码略有不同，且未设置阈值，故角点可能不太一致。

# -*- coding: utf-8 -*-
"""
Created on Mon Mar 13 21:06:59 2017

@author: lql0716
"""

import cv2

img = cv2.imread('D:/photo/01.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
fast = cv2.FeatureDetector_create('FAST')
kp = fast.detect(gray, None)
img2 = cv2.drawKeypoints(img, kp, (0, 0, 255))

cv2.namedWindow('img', cv2.WINDOW_NORMAL)
cv2.imshow('img', img2)
cv2.imwrite('D:/photo/01_1.jpg', img2)
cv2.waitKey(0)

原图：

效果图：

• cv2.FeatureDetector_create(detector type)

python调用以下算法时，调用方法同上面FAST的调用方法相同。

Parameters:

detectorType – Feature detector type.

The following detector types are supported:

“FAST” – FastFeatureDetector

“STAR” – StarFeatureDetector

“SIFT” – SIFT (nonfree module)

“SURF” – SURF (nonfree module)

“ORB” – ORB

“BRISK” – BRISK

“MSER” – MSER

“GFTT” – GoodFeaturesToTrackDetector

“HARRIS” – GoodFeaturesToTrackDetector with Harris detector enabled

“Dense” – DenseFeatureDetector

“SimpleBlob” – SimpleBlobDetector

• 相关资料

• FAST角点检测算法（二）- 非极大值抑制筛选fast特征点

• Harris角点检测(Python-OpenCV)

• 机器学习、深度学习、计算机视觉、自然语言处理及应用案例——干货分享（持续更新……）