FASTN角点检测算法的基本原理

1. FASTN算法的动机

大部分特征检测算法的效果较好，但是达不到实时，因此提出FAST （Features from Accelerated Segment Test）,欢迎关注微信公众号“智能算法”！

2. FASTN算法的基本原理

用一句话来讲FASTN算法的原理就是：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。步骤如下：

1）在图像中任选一点p， 假定其像素（亮度）值为  Ip
2）以r为半径画圆，覆盖p点周围的M个像素，如下图所示: r=3， M=16
3）设定阈值t，如果这周围的16个像素中有连续的N个像素的像素值减去  Ip−t  或者有连续的N个像素都大于  Ip+t ， 如果t=0，那么就可以理解为：有连续N个像素大于或小于Ip的灰度值。那么这个点就被判断为角点。
4）一种更加快的改进是： 首先检测p点周围的四个点，即1， 5， 9， 12四个点中是否有三个点满足超过 Ip+t ， 如果不满足，则直接跳过，如果满足，则继续使用前面的算法，全部判断16个点中是否有12个满足条件。

以上算法的缺点：很可能大部分检测出来的点彼此之间相邻，我们要去除一部分这样的点。为了解决这一问题，可以采用非最大值抑制的算法：假设P，Q两个点相邻，分别计算两个点与其周围的16个像素点之间的差分和V，去除V值较小的点，即把非最大的角点抑制掉。

那么问题来了，什么样角度的角点都能检测到吗？如下图：有三种角点，分别是45°角，90°角和135°角。

那么FASTN算法哪个角点都能检测到么？答案是肯定的。但是这取决于连续像素N的设置。我们仍然假如半径r=3，那么在该圆上有16个像素：如下图：

因为该算法检测角点的条件是：连续N个像素大于或小于中心灰度值减去阈值t，所以这个N从某种程度上就决定了能检测到的角度。比如下图：以黑线为基准的话，设置N=10的话，能检测到小于135°的角（黑红夹角），设置N=12的话，能检测到小于90°的角（黑蓝夹角），设置N=14的话，则能检测到小于45°的角（黑绿夹角）。

3. FASTN算法总结

1）在速度上要比其他算法速度快很多
2）受图像噪声以及设定的阈值影响很大
3）FASTN不产生多尺度特征而且FASTN特征点没有方向信息，这样就会失去旋转不变性

参考文献： http://blog.csdn.net/GH_HOME/article/details/51501588