一、FAST
FAST算法只是特征点检测的一种方法,并不涉及特征点的描述
思路:如果某个像素点和他周围领域足够多的像素点处于不同区域,那么这个像素点便是特征点
算法步骤:
1、像素P点为特征点,判断周边16个像素点(类似钟表上的刻度),P1~P16
2、定义一个阈值Y,计算P1、P9与P的像素差,若绝对值都小于Y,那么直接PASS,否则候选
3、计算P1、P9、P5、P13与P的像素差,若至少有三个大于Y,则候选,否则PASS
4、计算P1~P16与P的像素差,若9个大于Y,则下结论该点为特征点(FAST-9)
5、对图像进行非极大值抑制(寻找局部最大值),因为筛选完成后,有些候选角点是靠在一起的,所以通过保留局部最大值,筛选掉冗余的角点
#include<opencv2/core/core.hpp>
#include<opencv2/features2d/features2d.hpp>
#include<opencv2\highgui\highgui.hpp>
#include<vector>
using namespace std;
using namespace cv;
int main()
{
Mat src = imread("1.jpg", 1);
vector<KeyPoint> KP;
FastFeatureDetector fast(50);//检测的阈值为50
fast.detect(src, KP);
drawKeypoints(src,KP,src,Scalar(0,0,255),DrawMatchesFlags::DRAW_OVER_OUTIMG);
imshow("FAST特征点",src);
waitKey(0);
return 0;
}
效果图:
二、HARRIS
#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace cv;
using namespace std;
int main()
{
Mat src = imread("1.jpg", 1);
//灰度化
Mat gray,dst,norm,scaled;
cvtColor(src,gray,CV_BGR2GRAY);
//进行角点检测
cornerHarris(gray,dst,2,3,0.04,BORDER_DEFAULT);//2 邻域的大小 3 Sobel算子孔径大小
//归一化与转换
normalize(dst,norm,0,255,NORM_MINMAX,CV_32FC1,Mat());
convertScaleAbs(norm, scaled);//将归一化的图线性变换成8位无符号整型
imshow("效果图", scaled);
waitKey(0);
return 0;
}
效果图: