Opencv2系列學習筆記12(檢測fast特徵)

一：Fast特徵定義什麼是角點：

這次的定義基於假定特徵點周圍的圖像強度，通過檢查候選像素周圍一圈像素來決定是否接受一個特徵點。與中心點差異較大的像素如果組成連續的圓弧，並且弧長大於原周長的3/4，那麼我們認爲找到了一個特徵點。

二：加速技巧

   首先測試圓上被90度分割的四個點(頂部，底部，左側及右側),那麼爲了滿足上述條件，四個點中至少三個點必須大於或者小於中心像素。如果不成立，那麼該點可以被直接移除而不需要檢查額外圓周上的點。在實踐中，大部分的像素點可以通過該測試進行移除，因此非常有效。

三：半徑參數

   測試中圓的半徑是一個參數，實踐中發現，半徑爲3可以兼顧結果和效率。

四：算法適用

該算法可以獲得非常快的特徵點檢測，在需要考慮進行速度時可以選用，如在高幀率的視頻序列中進行視覺跟蹤。

Code:

#include <iostream>
#include <opencv2\highgui\highgui.hpp>
#include <opencv2\core\core.hpp>
#include <opencv2\features2d\features2d.hpp>   //  特徵點檢測類都封裝在features2d這個模塊中
#include <opencv2\imgproc\imgproc.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat image = imread("F:\\lena.png", 1);
    if(!image.data)
    {
        cout << "Fail to load image" << endl;
        return 0;
    }
    vector<KeyPoint> keypoints;
    FastFeatureDetector fast(20);  // 20 爲閥值
    fast.detect(image,keypoints);
    drawKeypoints(image, keypoints, image, Scalar::all(-1), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);  // opencv2 提供的一個特徵點繪製函數 ---- keypoints
    namedWindow("fast");
    imshow("fast", image);
    waitKey(0);
    return 0;

}

Result:

參考blog：

http://blog.csdn.net/yangtrees/article/details/7530354

作者：小村長  出處：http://blog.csdn.net/lu597203933 歡迎轉載或分享，但請務必聲明文章出處。 （新浪微博：小村長zack, 歡迎交流！）