Fast特征点的寻找和提取
2017-09-15 13:27
162 查看
一、基础最初由Rosten和Drummond [Rosten06]提出的FAST(加速段测试的特征)特征检测算法是基于将点P与其包围圆内的点集的直接比较的思想。
基本思想是,如果附近的几个点与P类似,那么P将成为一个很好的关键点。点P是FAST算法的关键点候选者。 影响P分类的点的圈由p周围的圆确定。 在这种情况下,该圆上有16个像素,这里编号为0-15。
具体的算法在这里并没有说明。
二、函数
三、小结fast算法本身基本上已经成为历史的一部分,这里只是作为简单的知识了解一下而已;但是图像处理的基本思路存在循环发展的情况,也就是经典的算法在新的运用场景下面会不断得到新的开发利用:比如fast,在ORB中得到了和Brief特征的结合,我们届时继续研究。
来自为知笔记(Wiz)
基本思想是,如果附近的几个点与P类似,那么P将成为一个很好的关键点。点P是FAST算法的关键点候选者。 影响P分类的点的圈由p周围的圆确定。 在这种情况下,该圆上有16个像素,这里编号为0-15。
具体的算法在这里并没有说明。
二、函数
class cv::FastFeatureDetector : public cv::Feature2D { public: enum { TYPE_5_8 = 0, // 8 points, requires 5 in a row TYPE_7_12 = 1, // 12 points, requires 7 in a row TYPE_9_16 = 2 // 16 points, requires 9 in a row }; static Ptr<FastFeatureDetector> create( int threshold = 10, // 像素强度 bool nonmaxSupression = true, // 打开或关闭得分较低的邻近点的抑制 int type = TYPE_9_16 // 参数设置运算符的类型 ); ... };
三、小结fast算法本身基本上已经成为历史的一部分,这里只是作为简单的知识了解一下而已;但是图像处理的基本思路存在循环发展的情况,也就是经典的算法在新的运用场景下面会不断得到新的开发利用:比如fast,在ORB中得到了和Brief特征的结合,我们届时继续研究。
来自为知笔记(Wiz)
相关文章推荐
- OpenCV特征点提取----Fast特征
- SIFT,SURF,ORB,FAST 特征提取算法比较
- SIFT,SURF,ORB,FAST,BRISK 特征提取算法比较
- OpenCV特征点提取----Fast特征
- 图像处理中,SIFT,FAST,MSER,STAR等特征提取算法的比较与分析(利用openCV实现)
- SIFT,SURF,ORB,FAST 特征提取算法比较
- 【图像特征提取15】Fast原理及源码解析
- 图像处理中,SIFT,FAST,MSER,STAR等特征提取算法的比较与分析(利用openCV实现)
- opencv 特征点提取算法 SIFT SURF ORB FAST LBP学习(一)
- OpenCV特征点提取----Fast特征
- opencv 特征点提取算法 SIFT SURF ORB FAST LBP学习(二)
- 图像特征点提取及描述子汇总:FIST、SURF、FAST、BRIEF、ORB、BRISK、FREAK
- OpenCV中feature2D学习——FAST特征点检测与SIFT/SURF/BRIEF特征提取与匹配
- OpenCV特征点提取----Fast特征
- SIFT,SURF,ORB,FAST 特征提取算法比较
- OpenCV特征点提取----Fast特征
- LBP算法(人脸识别特征提取)
- 要点初见:OpenCV3中ORB特征提取算法的实现与分析
- 图像特征提取与描述
- 目标检测的图像特征提取之(一)HOG特征