计算机视觉篇二：图像的匹配之FAST角点检测算法

         图像匹配，通俗讲是判断两个图一样。现实生活中我们会基于形状，大小，纹理，颜色等进行判断，但形状，大小，颜色容易改变，而纹理的鲁棒性较好，所以我们选用纹理进行判断。纹理就是构成图像的线。我们选用角点来反映纹理，角点指两条边的交点。大多数所谓的角点检测方法检测的是拥有特定特征的图像点，而不仅仅是“角点”。这些特征点在图像中有具体的坐标，并具有某些数学特征，如局部最大或最小灰度、某些梯度特征等。常用的角点检测方法有FAST和HARRIS，以及两者的组合。

FAST角点检测：

      FAST的方法主要是考虑像素点附近的圆形窗口上的16个像素，如下图所示，p为中心像素点，而白框标示的点像素则是我们需要考虑的点。

考虑白框显示的点与中心像素点强度的关系，如果其中n个连续的点都比p大或者都比p小，这样的中心点便是角点。因为依次检验16个像素有点慢，所以可以只检测中心点的上下左右四个点。也就是1,5,9,13四个点。首先检查位置1和位置9，如果它们都比阈值暗或比阈值亮，再检测位置5和位置13。如果P是一个角点，那么上述四个像素点中至少有3个与中心点不相似。因为若是一个角点，超过四分之三圆的部分应该满足判断条件。如果不满足，那不可能是一个角点。对于所有点做上面这一部分初步的检测后，符合条件的将成为候选的角点，我们再对候选的角点，做完整的测试，即检测圆上的所有点。接下来用代码实现一下：

#include<opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;

bool isdif(uchar a,uchar b)//设置中心角点与周围角点的范围
{
	if(abs(a-b)<10)
	{
		return false;
	}
	else
		return true;
}

int main()
{
	    VideoCapture cap(0);
    Mat frame;
    while(true)
   {
	   cap>>frame;
        /*
	    fAST
	    */
	
	   Mat frame_rgb;
	   frame.copyTo(frame_rgb);//把frame拷贝给frame_rgb;
	   cvtColor(frame,frame,CV_64FC1);//转化为灰度图
	   //cout<<frame.at<uchar>(0,0);
	   int pos[4][2];//这个数组表示相对于中心元素的四个元素的位置
	   pos[0][0]=0;
	   pos[0][1]=-3;
	   pos[1][0]=3;
	   pos[1][1]=0;
	   pos[2][0]=0;
	   pos[2][1]=3;
	   pos[3][0]=-3;
	   pos[3][1]=0;

	  for(int i=3;i<frame.rows-3;i++)//行数从第三行到倒数第三行
	 {
		  for(int j=3;j<frame.cols-3;j++)//列数从第三列到倒数第三列
		 {
		      int num=0;//用于判断周围元素与中心元素超出范围的次数
	          uchar cen=frame.at<uchar>(i,j);//记录中心元素
		      for(int k=0;k<4;k++)
			 {
				 uchar temp=frame.at<uchar>(i+pos[k][0],j+pos[k][1]);//记录周围的元素
				 if(isdif(cen,temp))
				 {
					 num++;
				 }
			  }
			     if((num==1)||(num==3)||(num==4))
			     {
				     circle(frame_rgb,cvPoint(j,i),2,CV_RGB(255,0,0),2);
			     }
		  }
	 }
	  imshow("frame",frame);
	  imshow("frame_rgb",frame_rgb);
	  waitKey(10);
	}
}

只是粗略的实现了FAST算法。