簡介

? ? ? ? 在局部特征點(diǎn)檢測快速發(fā)展的時(shí)候，人們對(duì)于特征的認(rèn)識(shí)也越來越深入，近幾年來許多學(xué)者提出了許許多多的特征檢測算法及其改進(jìn)算法，在眾多的特征提取算法中，不乏涌現(xiàn)出佼佼者。

? ? ? ? 從最早期的Moravec，到Harris，再到SIFT、SUSAN、GLOH、SURF算法，可以說特征提取算法層出不窮。各種改進(jìn)算法PCA-SIFT、ICA-SIFT、P-ASURF、R-ASURF、Radon-SIFT等也是搞得如火如荼，不亦樂乎。上面的算法如SIFT、SURF提取到的特征也是非常優(yōu)秀（有較強(qiáng)的不變性），但是時(shí)間消耗依然很大，而在一個(gè)系統(tǒng)中，特征提取僅僅是一部分，還要進(jìn)行諸如配準(zhǔn)、提純、融合等后續(xù)算法。這使得實(shí)時(shí)性不好，降系了統(tǒng)性能。

? ? ? ? Edward Rosten和Tom Drummond兩位大神經(jīng)過研究，于2006年在《Machine learning for high-speed corner detection》中提出了一種FAST特征點(diǎn)，并在2010年稍作修改后發(fā)表了《Features From Accelerated Segment Test》，簡稱FAST。注意：FAST只是一種特征點(diǎn)檢測算法，并不涉及特征點(diǎn)的特征描述。

FAST詳解

FAST特征的定義

? ? ? FAST的提出者Rosten等將FAST角點(diǎn)定義為：若某像素與其周圍鄰域內(nèi)足夠多的像素點(diǎn)相差較大，則該像素可能是角點(diǎn)。

FAST算法的步驟

1、上圖所示，一個(gè)以像素p為中心，半徑為3的圓上，有16個(gè)像素點(diǎn)（p1、p2、...、p16）。

2、定義一個(gè)閾值。計(jì)算p1、p9與中心p的像素差，若它們絕對(duì)值都小于閾值，則p點(diǎn)不可能是特征點(diǎn)，直接pass掉；否則，當(dāng)做候選點(diǎn)，有待進(jìn)一步考察；

3、若p是候選點(diǎn)，則計(jì)算p1、p9、p5、p13與中心p的像素差，若它們的絕對(duì)值有至少3個(gè)超過閾值，則當(dāng)做候選點(diǎn)，再進(jìn)行下一步考察；否則，直接pass掉；

4、若p是候選點(diǎn)，則計(jì)算p1到p16這16個(gè)點(diǎn)與中心p的像素差，若它們有至少9個(gè)超過閾值，則是特征點(diǎn)；否則，直接pass掉。

5、對(duì)圖像進(jìn)行非極大值抑制：計(jì)算特征點(diǎn)出的FAST得分值（即score值，也即s值），判斷以特征點(diǎn)p為中心的一個(gè)鄰域（如3x3或5x5）內(nèi)，計(jì)算若有多個(gè)特征點(diǎn)，則判斷每個(gè)特征點(diǎn)的s值（16個(gè)點(diǎn)與中心差值的絕對(duì)值總和），若p是鄰域所有特征點(diǎn)中響應(yīng)值最大的，則保留；否則，抑制。若鄰域內(nèi)只有一個(gè)特征點(diǎn)（角點(diǎn)），則保留。得分計(jì)算公式如下（公式中用V表示得分，t表示閾值）：

? ? ? ?上面是FAST-9，當(dāng)然FAST-10、FAST-11、FAST-12也是一樣的，只是步驟4中，超過閾值的個(gè)數(shù)不一樣。FAST算法實(shí)現(xiàn)起來簡單，尤其是以速度快著稱。

? ? ? ?以上便是FAST特征檢測的過程，清晰明了，而對(duì)于角點(diǎn)的定義也是做到了返璞歸真，大師就是大師，還原本質(zhì)的能力很強(qiáng)，估計(jì)以前這種簡單想法被很多人忽略了。

實(shí)驗(yàn)

opencv代碼

[cpp]?view plain?copy

#include?<opencv2/core/core.hpp>??

#include?<opencv2/features2d/features2d.hpp>??

#include?<opencv2/highgui/highgui.hpp>??

#include?<cv.h>??

#include?<vector>??

??

using?namespace?cv;??

using?namespace?std;??

??

int?main()??

{??

????Mat?frame=imread("lena.jpg",?1);??

????double?t?=?getTickCount();//當(dāng)前滴答數(shù)??

????std::vector<KeyPoint>?keyPoints;??

????FastFeatureDetector?fast(50);???//?檢測的閾值為50??

??

????fast.detect(frame,?keyPoints);??

????drawKeypoints(frame,?keyPoints,?frame,?Scalar(0,0,255),?DrawMatchesFlags::DRAW_OVER_OUTIMG);??

??????

????t?=?((double)getTickCount()?-?t)/getTickFrequency();??

????cout<<"算法用時(shí)："<<t<<"秒"<<endl;??

??

????imshow("FAST特征點(diǎn)",?frame);??

????cvWaitKey(0);??

??

????return?0;??

}??

輸出結(jié)果：

MATLAB代碼

再上一個(gè)自己編寫的MATLAB代碼，沒有進(jìn)行非極大值抑制，效果不及opencv，而且檢測出的角點(diǎn)有一定的出入，應(yīng)該是opencv內(nèi)部做了一定的優(yōu)化。

[cpp]?view plain?copy

clear?all;??

close?all;??

%%??

pic=imread('lena.jpg');??

img=pic;??

[M?N?D]=size(pic);??

if?D==3??

????pic=rgb2gray(pic);??

end??

%%??

mask=[0?0?1?1?1?0?0;...??

??????0?1?0?0?0?1?0;...??

??????1?0?0?0?0?0?1;...??

??????1?0?0?0?0?0?1;...??

??????1?0?0?0?0?0?1;...??

??????0?1?0?0?0?1?0;...??

??????0?0?1?1?1?0?0];??

mask=uint8(mask);??

threshold=50;??

figure;imshow(img);title('FAST角點(diǎn)檢測');hold?on;??

tic;??

for?i=4:M-3??

????for?j=4:N-3%若I1、I9與中心I0的差均小于閾值，則不是候選點(diǎn)??

????????delta1=abs(pic(i-3,j)-pic(i,j))>threshold;??

????????delta9=abs(pic(i+3,j)-pic(i,j))>threshold;??

????????if?sum([delta1?delta9])==0??

????????????continue;??

????????else??

????????????delta5=abs(pic(i,j+3)-pic(i,j))>threshold;??

????????????delta13=abs(pic(i,j-3)-pic(i,j))>threshold;??

????????????if?sum([delta1?delta9?delta5?delta13])>=3??

????????????????block=pic(i-3:i+3,j-3:j+3);??

????????????????block=block.*mask;%提取圓周16個(gè)點(diǎn)??

????????????????pos=find(block);??

????????????????block1=abs(block(pos)-pic(i,j))/threshold;??

????????????????block2=floor(block1);??

????????????????res=find(block2);??

????????????????if?size(res,1)>=12??

????????????????????plot(j,i,'ro');??

????????????????end??

????????????end??

????????end??

????end??

end??

toc;??

%%??

輸出結(jié)果：

參考文獻(xiàn)

1、Machine learning for high-speed corner detection[J],2006.

2、Features From Accelerated Segment Test[J],2010.

3、基于自適應(yīng)閾值的FAST特征點(diǎn)提取算法[J],2013

總結(jié)

以上是生活随笔為你收集整理的FAST特征点检测的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。