特征點(diǎn)檢測(cè)和匹配是計(jì)算機(jī)視覺中一個(gè)很有用的技術(shù)。在物體檢測(cè)，視覺跟蹤，三維常年關(guān)鍵等領(lǐng)域都有很廣泛的應(yīng)用。這一次先介紹特征點(diǎn)檢測(cè)的一種方法——FAST（features from accelerated segment test）。很多傳統(tǒng)的算法都很耗時(shí)，而且特征點(diǎn)檢測(cè)算法只是很多復(fù)雜圖像處理里中的第一步，得不償失。FAST特征點(diǎn)檢測(cè)是公認(rèn)的比較快速的特征點(diǎn)檢測(cè)方法，只利用周圍像素比較的信息就可以得到特征點(diǎn)，簡(jiǎn)單，有效。

?

FAST特征檢測(cè)算法來源于corner的定義，這個(gè)定義基于特征點(diǎn)周圍的圖像灰度值，檢測(cè)候選特征點(diǎn)周圍一圈的像素值，如果候選點(diǎn)周圍領(lǐng)域內(nèi)有足夠多的像素點(diǎn)與該候選點(diǎn)的灰度值差別夠大，則認(rèn)為該候選點(diǎn)為一個(gè)特征點(diǎn)。

其中I（x）為圓周上任意一點(diǎn)的灰度，I（p）為圓心的灰度，Ed為灰度值差得閾值，如果N大于給定閾值，一般為周圍圓圈點(diǎn)的四分之三，則認(rèn)為p是一個(gè)特征點(diǎn)。

為了獲得更快的結(jié)果，還采用了額外的加速辦法。如果測(cè)試了候選點(diǎn)周圍每隔90度角的4個(gè)點(diǎn)，應(yīng)該至少有3個(gè)和候選點(diǎn)的灰度值差足夠大，否則則不用再計(jì)算其他點(diǎn)，直接認(rèn)為該候選點(diǎn)不是特征點(diǎn)。候選點(diǎn)周圍的圓的選取半徑是一個(gè)很重要的參數(shù)，這里我為了簡(jiǎn)單高效，采用半徑為3，共有16個(gè)周邊像素需要比較。為了提高比較的效率，通常只使用N個(gè)周邊像素來比較，也就是大家經(jīng)常說的FAST-N。我看很多文獻(xiàn)推薦FAST-9，作者的主頁(yè)上有FAST-9、FAST-10、FAST-11、FAST-12，大家使用比較多的是FAST-9和FAST-12。上個(gè)圖說明的更形象一些

OpenCV里對(duì)FAST的使用也非常簡(jiǎn)單，先聲明一組特征點(diǎn)，構(gòu)建FAST特征檢測(cè)，接下來調(diào)用detect函數(shù)檢測(cè)圖像中的特征點(diǎn)，最后把特征點(diǎn)繪制到圖片上。上代碼說的清楚些

#include 《opencv2/core/core.hpp》

#include 《opencv2/features2d/features2d.hpp》

#include 《opencv2/highgui/highgui.hpp》

#include 《vector》

using namespace cv;

void main（）

{

Mat image;

image = imread（“church01.jpg”）;

// vector of keyPoints

std：：vector《KeyPoint》 keyPoints;

// construction of the fast feature detector object

FastFeatureDetector fast（40）; // 檢測(cè)的閾值為40

// feature point detection

fast.detect（image，keyPoints）;

drawKeypoints（image， keyPoints， image， Scalar：：all（255）， DrawMatchesFlags：：DRAW_OVER_OUTIMG）;

imshow（“FAST feature”， image）;

cvWaitKey（0）;

}

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(jiǎn)單，尤其是以速度快著稱。?
以上便是FAST特征檢測(cè)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(jiǎn)單想法被很多人忽略了