OpenCV（23）角点检测2 -- fast算法（实时）（佳）

最新推荐文章于 2023-05-25 20:00:21 发布
最新推荐文章于 2023-05-25 20:00:21 发布
阅读量3k 收藏 3
点赞数 2
分类专栏： # OpenCV 文章标签： python opencv 计算机视觉 人工智能 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/great_yzl/article/details/119800375
版权

目录

一、基础理论

1、前言

2、原理

3、过程

4、让机器学习一个角检测器

5、非极大值抑制

二、API

1、实例化fast（FastFeatureDetector_create函数 ）

2、利用fast.detect检测关键点（fast.detect函数）

3、在图像上描绘关键点

三、代码

1、fast模块代码

2、总代码

四、效果

1、关闭非极大值抑制

2、开启非极大值抑制

参考资料

一、基础理论

1、前言

        我们看到了几个特征检测器，其中很多真的很棒。但是，从实时应用程序的角度来看，它们不够快。最好的例子是计算资源有限的SLAM（同时定位和制图）移动机器人。

        作为对此的解决方案，Edward Rosten和Tom Drummond在2006年的论文“用于高速拐角检测的机器学习”中提出了FAST（加速分段测试的特征）算法。

2、原理

        FAST(全称Features from accelerated segment test)是一种用于角点检测的算法，该算法的原理是：取图像中检测点，以该点为圆心的周围邻域内像素点判断检测点是否为角点，通俗的讲就是若一个像素周围有一定数量的像素与该点像素值不同，则认为其为角点。

3、过程

1、选择图像中是否要识别为兴趣点的像素p，使其强度为Ip。

2、考虑被测像素周围有16个像素的圆圈。

 3、设置阈值t，如果圆中存在一组（共16个像素）n个连续的像素，它们均比Ip+t亮，或者比Ip−t暗，则像素p是一个角（在上图中显示为白色虚线）。n一般取值12。

4、建议使用高速测试以排除大量的非角区域。此测试仅检查1、9、5和13处的四个像素（即上下左右）（如果第一个1和9太亮或太暗，则对其进行测试。如果是，则检查5和13）。如果p是一个角，则其中至少三个必须全部比Ip+t亮或比Ip−t暗。如果以上两种情况都不是，则p不能为角。然后，可以通过检查圆中的所有像素，将完整的分段测试标准应用于通过的候选项。

该检测器本身具有很高的性能。但有几个缺点：

  1. 它不会拒绝n <12的候选对象。
  2. 像素的选择不是最佳的，因为其效率取决于问题的顺序和角落外观的分布。
  3. 高速测试的结果被丢弃了。
  4. 彼此相邻地检测到多个特征。

机器学习的方法能解决前三点。最后一点得用非最大值抑制。

4、让机器学习一个角检测器

1、选择一组训练图片（最好跟最后的应用相关）

2、使用FAST算法找到每幅图像的特征点。对于每个特征点，将其周围的16个像素存储为矢量P。对所有图像执行此操作以获得每个图像的特征向量P。

3、这16个像素中的每个像素（例如xx）可以具有以下三种状态之一：（较暗、普通、较亮）

  1. 取决于这些状态，特征矢量P被细分为3个子集，Pd, Ps, Pb。（暗、普、亮）

  2. 获得目标值：定义一个新的布尔变量Kp，如果p是一个角点，则为true，否则为false。

  3. 利用特征值向量p，目标值是$K_p$，训练ID3树（决策树分类器)。

  4. 将构建好的决策树运用于其他图像的快速的检测。

5、非极大值抑制

在相邻位置检测多个兴趣点是另一个问题。通过使用非极大抑制来解决。

  1. 计算所有检测到的特征点的得分函数V。V是Ip与16个周围像素值之间的绝对差之和：
  2. 考虑两个相邻的关键点并计算它们的V值，丢弃较低V值的那个。6、

二、API

1、实例化fast（FastFeatureDetector_create函数 ）

fast = cv.FastFeatureDetector_create( threshold，nonmaxSuppression)

参数：

threshold：阈值t，有默认值10
nonmaxSuppression：是否进行非极大值抑制，默认值True

返回：

创建的FastFeatureDetector对象

fast = cv.FastFeatureDetector_create(10, True)      #开启极大值抑制
fast = cv.FastFeatureDetector_create(10, False)     #关闭极大值抑制

2、利用fast.detect检测关键点（fast.detect函数）

kp = fast.detect(Img, None)

参数：
Img：进行关键点检测的图像
返回：
kp：关键点信息，包括位置，尺度，方向信息

kp = fast.detect(img)

3、在图像上描绘关键点

cv.drawKeypoints (image，keypoints，outputimage，color，flags)

参数：

keypoints：关键点信息，将其绘制在图像上（kp）

flags：绘图功能的标识设置：
        1.cv2.DRAW_MATCHES_FLAGS_DEFAULT︰创建输出图像矩阵，使用现存的输出图像绘制匹配对和特征点,对每一个关键点只绘制中陶点
        2.cv2.DRAW_MATCHES_FLAGS_DRAW_OVER_OUTIMG:不创建输出图像矩阵，而是在输出图像上绘制匹配对
        3.cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS:对每一个特征点绘制带大小和方向的关键点图形
        4.cv2.DRAW_MATCHES_FLAGS_NOT_DRAW_SINGLE_POINTS:单点的特征点不被绘制

img2 = cv.drawKeypoints(img, kp, None, color=(255, 0, 0))

三、代码

1、fast模块代码

# fast角点检测
def Fast():
    # 1、用默认值初始化FAST对象
    fast = cv.FastFeatureDetector_create(10, True)      #开启极大值抑制
    # fast = cv.FastFeatureDetector_create(10, False)     #关闭极大值抑制

    # 2、寻找并绘制关键点
    kp = fast.detect(img)
    img2 = cv.drawKeypoints(img, kp, None, color=(255, 0, 0))

    # 3、显示
    cv.imshow('Fast', img2)

2、总代码

# fast角点检测
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

# fast角点检测
def Fast():
    # 1、用默认值初始化FAST对象
    fast = cv.FastFeatureDetector_create(10, True)      #开启极大值抑制
    # fast = cv.FastFeatureDetector_create(10, False)     #关闭极大值抑制

    # 2、寻找并绘制关键点
    kp = fast.detect(img)
    img2 = cv.drawKeypoints(img, kp, None, color=(255, 0, 0))

    # 3、显示
    cv.imshow('Fast', img2)


if __name__ == '__main__':
    img = cv.imread('Resource/1.jpg')

    Fast()          #fast角点检测

    cv.waitKey(0)

四、效果

1、关闭非极大值抑制

2、开启非极大值抑制

参考资料

https://www.bilibili.com/video/BV1Fo4y1d7JL?p=54&spm_id_from=pageDriver

_(*^▽^*)_
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
OpenCV FAST detection
06-02
OpenCV自带的FAST算法，另写了一个主函数，在VS2013环境下可以直接运行
Opencv学习笔记（五）Harris角点检测
热门推荐
crazy_sparrow的专栏
03-25 12万+
原创文章，转载请注明出处：http://blog.csdn.net/crzy_sparrow/article/details/7391511 文章目录： 一、Harris角点检测基本理论 二、opencv代码实现 三、改进的Harris角点检测 四、FAST角点检测 五、参考文献 六、附录（资料和源码） 一、Harris角点检测基本理论（要讲清楚东西太多，附录提
学习OpenCV——Fast（特征点篇） (&DrawMatchFlags)
小熊不去实验室
05-03 1万+
特征点检测和匹配是计算机视觉中一个很有用的技术。在物体检测，视觉跟踪，三维常年关键等领域都有很广泛的应用。这一次先介绍特征点检测的一种方法——FAST（features from accelerated segment test）。很多传统的算法都很耗时，而且特征点检测算法只是很多复杂图像处理里中的第一步，得不偿失。FAST特征点检测是公认的比较快速的特征点检测方法，只利用周围像素比较的信息就可以
OpenCV Fast角点检测
꧁༺ʚvv༒catɞ༻꧂的博客
04-26 666
import numpy as np import cv2 as cv from matplotlib import pyplot as plt # 1.读取图像 img = cv.imread("./1.jpg") # 2.Fast角点检测 # 2.1创建一个Fast对象，传入阀值，注意：可以处理彩色空间图像 fast = cv.FastFeatureDetector_create(threshold=30) # 2.2检测图像上的关键点 kp = fast.detect(img, None) #
opencv35:FAST角点检测
uncle_ll的博客
12-01 2236
目标 在本章中，将了解 FAST算法的基础知识 使用OpenCV功能对FAST算法进行探索 理论 在之前的文章中，已经了解了几个特征检测器，其中很多表现是非常优秀的。但是，从实时应用程序的角度来看，它们并不够快。最好的例子是计算资源有限的SLAM（同时定位和制图）移动机器人 为了解决这个问题，Edward Rosten和Tom Drummond在2006年的论文“Machine learning for high-speed corner detection”中提出了FAST（Features from
OpenCV-Python 用于角点检测的FAST算法 | 四十一
01-07
我们将使用OpenCV功能对FAST算法进行探索。 理论 我们看到了几个特征检测器，其中很多真的很棒。但是，从实时应用程序的角度来看，它们不够快。最好的例子是计算资源有限的SLAM（同时定位和制图）移动机器人 作为...
opencv角点检测算法接口概述及KeyPoint数据结构
01-07
图像角点其实也是一种图像特征点,对于一张图像来说,特征点分为三种形式包括边缘,焦点和斑点,在OPENCV中,加上角点检测,总共提供了以下的图像特征点检测算法： FAST SURF ORB BRISK KAZE AKAZE MESR GFTT good ...
C# winform opensharp基于Fast算法实现角点检测演示代码
最新发布
02-01
测试环境： vs2019 networkframework4.7.2 opencvsharp4.8.0 博客地址： blog.csdn.net/FL1623863129/article/details/135968259
OpenCV Python教程 OpenCV-PythonTutorial-master
05-27
ch01-关于OpenCV ch02-安装OpenCV ch03-相关教程及视频 ch04-图片 ch10-图像上的算术运算 ch100_Main_modules ch11-程序性能检测及优化 ch13-颜色空间转换 ...ch34-角点检测的FAST算法 ch35-BRIEF
Keras框架：faster-rcnn目标检测算法实现
06-12
Keras框架：faster-rcnn目标检测算法实现
OpenCV特征点提取----Fast特征
weixin_34163553的博客
03-08 375
1.FAST（featuresfrom accelerated segment test）算法 http://blog.csdn.net/yang_xian521/article/details/7411438 特征点检测和匹配是计算机视觉中一个很有用的技术。在物体检测，视觉跟踪，三维常年关键等领域都有很广泛的应用。很多传统的算法都很耗时，...
opencv FAST检测算法
干啥啥不行，但是也要干的博客
03-31 1117
前面描述角点检测的时候说到,角点其实也是一种图像特征点,对于一张图像来说,特征点分为三种形式包括边缘,焦点和斑点,在OPENCV中,加上角点检测,总共提供了以下的图像特征点检测方法 FAST SURF ORB BRISK KAZE AKAZE MESR GFTT good feature to tack Bob斑点 STAR AGAST 　　接下来分别讲述这是一种图像特征检测算法,但是首先,需要了...
(四)OpenCV中的特征检测之用于角点检测的FAST算法
y=f(x)的专栏
06-04 1983
注释：本文翻译自OpenCV3.0.0 document-&gt;OpenCV-Python Tutorials，包括对原文档种错误代码的纠正1.目标了解fast算法的基础我们将使用OpenCV中带FAST算法的函数好到角点2.理论我们看到了几个特征探测器，其中很多都非常棒。 但从实时应用角度来看，它们速度不够快。 一个最好的例子是SLAM（同时定位和映射）移动机器人，其计算资源有限。作为一种解决...
【OpenCV 例程 300篇】243. 特征检测之 FAST 算法
youcans的博客
10-17 2175
FAST 是一种特征点检测算法，用于特征提取，但不涉及特征描述。FAST 计算速度快、可重复性高，非常适合实时视频的处理。 FAST 类解析，例程分享。
OpenCV学习笔记（四十六）——FAST特征点检测features2D
迭代的是人，递归的是神
03-30 6万+
特征点检测和匹配是计算机视觉中一个很有用的技术。在物体检测，视觉跟踪，三维常年关键等领域都有很广泛的应用。这一次先介绍特征点检测的一种方法——FAST（features from accelerated segment test）。很多传统的算法都很耗时，而且特征点检测算法只是很多复杂图像处理里中的第一步，得不偿失。FAST特征点检测是公认的比较快速的特征点检测方法，只利用周围像素比较的信息就可以
Opencv学习笔记（二十四）FAST角点检测
weixin_43170082的博客
04-22 227
文章目录FAST代码 FAST 代码 import cv2 src = cv2.imread(r'F:\OPENCV\Opencv\animal.png') gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY) # initial FAST object with default values fast = cv2.FastFeatureDetector_create() # find and draw object with default values kp = f
【opencv学习】Fast算法进行角点检测
qq_29367075的博客
03-27 5540
今天学习角点检测的一个Fast算法，顾名思义，很快！ FAST 算法 1: 在图像中选择一个像素点p，得到其灰度值I_p 2: 以半径r为半径画圆，覆盖p点周围M个像素点，通常设置r=3，则M=16,这个M个点是周围一圈的点，不是在半径内的哦，沿着半径的外面一圈的点哈！ 另外说一下，这个16个点的顺序是连续挨着的的，绕着一圈逆时针或者是顺时针定义的。 3: 设置一个阈值t，如果这M个像素点内连续存在N个像素点的灰度值在[I_p - t, I_p + t]范围之外，那么这个点就是角点，N一般是12，记住哈，是
cv2 角点检测
qq_54162982的博客
05-25 216
如上图，红色方框代表的即这张图片的角点。对于红色方框而言，无论方框沿任意方向移动都会导致方框内信息变化 ，而对于绿色方框而言，若两个方框间彼此的位置变化则不会引起大量的图像信息发生改变。对于某一区域而言，若像红色方框内数据一般，会随着矩阵的变化而引起图像数据变化的图像区域就叫做这张图像的角点。FLANN使用设置的参数algorithm选择的是欧氏距离，因此我们将距离差大于一般的去除掉，保存距离小于一般的，此处的距离可以理解为相似度，约接近0代表约相近。使用SIFT获取角点的keypoint与描述子。
重构OpenCV的Fast_t函数进行FAST特征提取
谁动了我的奶油的博客
07-25 348
#include "myfast.hpp" using namespace std; void makeOffsets(int pixel[25], int rowStride, int patternSize) { static const int offsets16[][2] = //圆周上各像素点相对于中心点的坐标 { {0, 3}, { 1,
opencv-python角点检测
03-28
OpenCV-Python中的角点检测算法包括： 1. Harris角点检测：使用Harris算子检测图像中的角点，返回一个图像中所有角点的坐标。 ``` import cv2 img = cv2.imread('img.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # Harris角点检测 dst = cv2.cornerHarris(gray, 2, 3, 0.04) dst = cv2.dilate(dst, None) ret, dst = cv2.threshold(dst, 0.01 * dst.max(), 255, 0) dst = np.uint8(dst) # 绘制角点 img[dst > 0.01 * dst.max()] = [0, 0, 255] cv2.imshow('Harris', img) cv2.waitKey() cv2.destroyAllWindows() ``` 2. Shi-Tomasi角点检测：使用Shi-Tomasi算子检测图像中的角点，返回一组最好的角点。 ``` import cv2 img = cv2.imread('img.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # Shi-Tomasi角点检测 corners = cv2.goodFeaturesToTrack(gray, 25, 0.01, 10) corners = np.int0(corners) # 绘制角点 for i in corners: x, y = i.ravel() cv2.circle(img, (x, y), 3, 255, -1) cv2.imshow('Shi-Tomasi', img) cv2.waitKey() cv2.destroyAllWindows() ``` 3. FAST角点检测：使用FAST算法检测图像中的角点，返回所有检测到的角点。 ``` import cv2 img = cv2.imread('img.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # FAST角点检测 fast = cv2.FastFeatureDetector_create() kp = fast.detect(gray, None) # 绘制角点 img2 = cv2.drawKeypoints(img, kp, None, color=(0, 0, 255)) cv2.imshow('FAST', img2) cv2.waitKey() cv2.destroyAllWindows() ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

_(*^▽^*)_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值