Fast特征点的寻找和提取-白红宇

一、基础

最初由Rosten和Drummond [Rosten06]提出的FAST（加速段测试的特征）特征检测算法是基于将点P与其包围圆内的点集的直接比较的思想。

基本思想是，如果附近的几个点与P类似，那么P将成为一个很好的关键点。点P是FAST算法的关键点候选者。影响P分类的点的圈由p周围的圆确定。在这种情况下，该圆上有16个像素，这里编号为0-15。

img_f2c9b807727859ad091a95d2813cfb68.jpe

具体的算法在这里并没有说明。

二、函数

class cv::FastFeatureDetector :public cv::Feature2D { 
public:
  enum { 
    TYPE_5_8  =0,                      //  8 points, requires 5 in a row
    TYPE_7_12 =1,                      // 12 points, requires 7 in a row
    TYPE_9_16 =2                       // 16 points, requires 9 in a row
  };
  static Ptr<FastFeatureDetector> create(
    int    threshold        =10,       // 像素强度
    bool   nonmaxSupression =true,     // 打开或关闭得分较低的邻近点的抑制
    int    type             = TYPE_9_16 // 参数设置运算符的类型
  );
...
};

三、小结

fast算法本身

基本上已经成为历史的一部分，这里只是作为简单的知识了解一下而已；但是图像处理的基本思路存在循环发展的情况，也就是经典的算法在新的运用场景下面会不断得到新的开发利用：比如fast，在

ORB中得到了和Brief特征的结合，我们届时继续研究。

目前方向：图像拼接融合、图像识别联系方式：jsxyhelu@foxmail.com