OpenCV之特征检测(二) 快速特征检测

 Fast特征检测，特点是速度很快，只需要对比几个像素，就可以判断是否为关键点。

          OpenCV提供的调用接口也很方便

          vector<KeyPoint> keypoints;

          int threshold = 100;

          Ptr<FeatureDetector> fastDetector = FastFeatureDetector::create(threshold);

          fastDetector->detect(image,keypoints);

          

         可以看下OpenCV提供的FastFeatureDetector::create的原型：

    CV_WRAP static Ptr < FastFeatureDetector > create( int threshold =10, bool nonmaxSuppression = true , FastFeatureDetector :: DetectorType type = FastFeatureDetector :: TYPE_9_16 )

        Fast特征检测的原理很简单，但是经过了一系列的演化，为了描述清楚，我从最原始的思路开始说起。

        以图像上任意一点为圆心，做一个圆，如果圆弧上有连续3/4个点的灰度值，明显大于或者小于中心点灰度值（阈值控制），则认为中心点为特征点。如果我们取圆弧上的四个特殊点，分别为垂直方向的上下两个点和水平方向的左右两个点，如果要满足上面的条件，必须满足中心点大于或者小于这四个点中的连续三个点，否则肯定不是角点，根据这一特点，可以排除大量的点，从而大大减少计算量。

例如下图，0为中心点，其它标数字的都是圆弧上的点，1，9，13，5是圆弧上的四个特殊点。圆弧上总的点数是16，3/4的点个数应该为12，但是最后根据经验，把连续线段长度减少为9，可以使对图像的角点检测有更好的重复性。其实对于其它半径，最后检测的连续线段都做了简化，不再是最初定义的3/4。

根据上面所述，圆的半径应该是一个参数，其实这个参数再 create方法的第三个参数做了体现。

create方法第三个参数默认为 FastFeatureDetector :: TYPE_9_16，什么意思呢？16是圆弧上的总点数，9为实际检测的连续点的个数这个对应半径为3的情况。

如下是OpenCV对DetectorType定义

enum DetectorType

    {

        TYPE_5_8 = 0, TYPE_7_12 = 1, TYPE_9_16 = 2

    };

 

TYPE5_5_8 对应半径为1的情况，TYPE_7_12对应半径为2的情况。

 

 

int fast_threshold = 50;

const int max_threshold = 300;

Mat img_object;

/** @function main */

void fast_feature_detector(int,void*)

{

    vector<KeyPoint> keypoints;

    Ptr<FeatureDetector> fastDetector = FastFeatureDetector::create(fast_threshold);

    fastDetector->detect(img_object, keypoints);

    Mat img_keypoints;

    drawKeypoints(img_object, keypoints, img_keypoints, Scalar::all(-1), DrawMatchesFlags::DEFAULT);

    cv::imshow("image keypoints", img_keypoints);

   

}

int main(int argc, char** argv)

{

    img_object = imread("./box.png", CV_LOAD_IMAGE_GRAYSCALE); 

    namedWindow("image keypoints");

    createTrackbar("Threshold","image keypoints",&fast_threshold, max_threshold, fast_feature_detector);

    fast_feature_detector(0, 0);

    waitKey(0);

}

 

threshold越大特征点越少，反之，特征点越多，如果threshold大于255，取threshold的后8bits。

 

 

使用fast特征检测，threshold参数很关键，但是实际情况中不太容易确定，而且这个threshold是一个全局值，没有提供局部阈值的接口。fastDetector效果一般，不太建议使用。

 

OpenCV还提供了一些附加工具，适配特征点检测，这里不再赘述，参考DynamicAdaptedFeatureDetector，GridAdaptedFeatureDetector，:PyramidAdaptedFeatureDetector等的内容。

 

参考：

《OpenCV计算机视觉编程攻略(第2版)》  [加] Robert 著   相银初 译