图像特征之FAST角点检测

原文站点：https://senitco.github.io/2017/06/30/image-feature-fast/

  前面已经介绍多种图像特征点(角点、斑点、极值点)的检测算法，包括Harris、LoG、HoG以及SIFT、SURF等，这些方法大多涉及图像局部邻域的梯度计算和统计，相比较而言，FAST(Features From Accelerated Segment Test)在进行角点检测时，计算速度更快，实时性更好。

FAST角点定义

  FAST角点定义为：若某像素点与周围邻域足够多的像素点处于不同区域，则该像素可能为角点。考虑灰度图像，即若某像素点的灰度值比周围邻域足够多的像素点的灰度值大或小，则该点可能为角点。

算法步骤

• 对于图像中一个像素点$p$，其灰度值为$I_p$
• 以该像素点为中心考虑一个半径为3的离散化的Bresenham圆，圆边界上有16个像素(如下图所示)
• 设定一个合适的阈值$t$，如果圆上有n个连续像素点的灰度值小于$I_p-t$或者大于$I_p+t$，那么这个点即可判断为角点(n的值可取12或9)
  
  

一种快速排除大部分非角点像素的方法就是检查周围1、5、9、13四个位置的像素，如果位置1和9与中心像素P点的灰度差小于给定阈值，则P点不可能是角点，直接排除；否则进一步判断位置5和13与中心像素的灰度差，如果四个像素中至少有3个像素与P点的灰度差超过阈值，则考察邻域圆上16个像素点与中心点的灰度差，如果有至少9个超过给定阈值则认为是角点。

角点分类器

• 选取需要检测的场景的多张图像进行FAST角点检测，选取合适的阈值n(n<12)，提取多个特征点作为训练数据
• 对于特征点邻域圆上的16个像素$x \in \{1,2,...,16 \}$，按下式将其划分为3类
  
  Sp→x=⎧⎩⎨⎪⎪d,Ip→