【图像处理】（特征检测与匹配）FAST、HARRIS算法OpenCV实现

最新推荐文章于 2024-07-28 08:42:37 发布

秦乐乐

最新推荐文章于 2024-07-28 08:42:37 发布

阅读量1.5k

点赞数

分类专栏：图像处理

本文链接：https://blog.csdn.net/qinlele1994/article/details/91597013

版权

图像处理专栏收录该内容

21 篇文章 5 订阅

订阅专栏

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：