OpenCv学习笔记12--FAST角点检测

最新推荐文章于 2025-05-08 15:08:21 发布

小熊猫Q

最新推荐文章于 2025-05-08 15:08:21 发布

阅读量1.4k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： OpenCV笔记文章标签： opencv fast

本文链接：https://blog.youkuaiyun.com/qq_29893385/article/details/84389458

OpenCV笔记专栏收录该内容

14 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文是关于OpenCV中的FAST角点检测算法的学习笔记，介绍了FAST算法原理、步骤，以及在实际应用中的优缺点。FAST通过快速检测算法筛选候选角点，然后进行完整检测，最终通过非极大值抑制减少特征点数量。文章还提到，虽然FAST特征点数量较多且对噪声敏感，但ORB算法结合了FAST和BRIFE的优点，提供了更好的旋转不变性和速度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

此opencv系列博客只是为了记录本人对<<opencv3计算机视觉-pyhton语言实现>>的学习笔记,所有代码在我的github主页https://github.com/RenDong3/OpenCV_Notes.

欢迎star,不定时更新...

在前面我们已经陆续介绍了许多特征检测算子，我们可以根据图像局部的自相关函数求得Harris角点，后面又提到了两种十分优秀的特征点以及他们的描述方法SIFT特征和SURF特征。SURF特征是为了提高运算效率对SIFT特征的一种近似，虽然在有些实验环境中已经达到了实时，但是我们实践工程应用中，特征点的提取与匹配只是整个应用算法中的一部分，所以我们对于特征点的提取必须有更高的要求，从这一点来看前面介绍的的那些特征点方法都不可取。

一 FAST算法原理

为了解决这个问题，Edward Rosten和Tom Drummond在2006年发表的“Machine learning for high-speed corner detection”文章中提出了一种FAST特征，并在2010年对这篇论文作了小幅度的修改后重新发表。FAST的全称为Features From Accelerated Segment Test。

Rosten等人将FAST角点定义为：若某像素点与其周围领域内足够多的像素点处于不同的区域，则该像素点可能为角点。也就是某些属性与众不同，考虑灰度图像，即若该点的灰度值比其周围领域内足够多的像素点的灰度值大或者小，则该点可能为角点。