Fast和ORB算法

Fast和ORB算法

1.Fast算法
1.1 原理：取图像中的检测点，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；通俗理解为 ：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
1.2 基本流程

缺点:
（1）获得的候选点比较多
（2）特征点的选取不是最优的，因为它的效果取决于要解决的问题和角点的分布情况
（3）进行非特征点判别时大量的点被丢弃
（4）检测到的很多特征点都是相邻的
1.3 实现
语法：

（1）fast=cv.FastFeatureDetector_create(threshold,nonmaxSupperession)

参数：

• threshold：阈值t，有默认值10
• nonmaxSupperession：是否进行非极大值抑制，默认值True
• fast：创建FastFeatureDetector对象

（2）利用fast.detect检测关键点，没有对应的关键点描述：kp=fast.detect(grayImg,None)

参数：

• grayImg：进行关键点检测的图像，注意是灰度图像
• kp：关键点信息，包括位置，尺度，方向信息

（3）将关键点检测结果绘制在图像上：cv.drawKeypoints(img,keypoints,outputimg,color,flags)

非极大值抑制：

设置极大值抑制：

2.ORB算法
2.1 实现：
语法：
（1）实例化ORB：orb=cv.orb_create(nfeatures)
nfeatures：特征点的最大数量
（2）利用orb.detectAndComputer()检测关键点并计算：kp,des=orb.detectAndComputer(gray,None)

参数：

• gray：进行关键点检测的图像，注意是灰度图像
• kp：关键点信息，包括位置，尺度，方向信息
• des：关键点描述符

（3）将关键点检测结果绘制在图像上：cv.drawKeypoints(img,keypoints,outputimg,color,flags)