OpenCV_Corner Detect with FastFeatureDetector(基于FAST的角点检测) 及 SUSAN算子

淩亂°似流年 2022-10-01 00:41 161阅读 0赞

**目录**

一. 概念

Fast角点检测内部实现：

优缺点：

二. 代码

三. 运行结果

四. 拓展对比\_SUSAN算子

简介:

内部实现：

计算步骤：

优缺点：

--------------------

# 一. 概念 #

## Fast角点检测内部实现： ##

cv:FastFeatureDectctor

Harris算法的一个简化: 利用少数像素比较数量，来确定是否接受一个特征点。

通过检测候选像素，周围一圈的像素 16个点来决定是否可以接受一个特征点，如果与中心点差异较大（阈值控制）的像素可以组成一个连续的圆弧，并且弧长大于圆周长的3/4，那么我们认为找到了一个特征点。

效率高的原因： 首先价检测周围 上下左右 4个点，如果至少有3个点的灰度值大于或小于中心像素，再去计算圆周上的其他点，如果不成立，直接舍弃。实践中，大部分像素点可以直接被舍弃，因此速度比较高。

### 优缺点： ###

优点： 运算速度快，效率高。

缺点： 当图片中的噪点较多时，它的健壮性并不好

FAST不具备尺度不变特，

特征点没有方向信息，失去了旋转不变性

类似算法 susan算子

# 二. 代码 #

#include "stdafx.h"
    #include <opencv2/core/core.hpp>
    #include <opencv2/highgui/highgui.hpp>
    #include <opencv2/features2d/features2d.hpp> //引用cv::KeyPoint 特征检测器通用接口
    
    int main()
    {
    	cv::Mat image = cv::imread("../../aTestImage/Buildingsm.jpg", 0);
    	std::vector <cv::KeyPoint> keypoints;
    	cv::FastFeatureDetector fast(40);
    	fast.detect(image, keypoints); 
    	//检测中心点一圈圆周上16个像素 //与中心点差异较大的像素组成的圆弧 若能构成圆周的3/4，则认为找到了特征点
    
    	cv::drawKeypoints(image, keypoints, image,cv::Scalar(255, 255,255), cv::DrawMatchesFlags::DRAW_OVER_OUTIMG);
    
    	cv::namedWindow("FAST Features");
    	cv::imshow("FAST Features", image);
    	cv::waitKey(0);
        return 0;
    }

# 三. 运行结果 #

![20170323224942690][]

# 四. 拓展对比\_SUSAN算子 #

## 简介： ##

简称：Smallest Univalue Segment Assimilating Nucleus 最小核心值相似区域算子 \['suzn\]

应用： 检测直线和角点

## 内部实现： ##

opencv中： cvGoodFeaturesToTrack

用一个圆形模板在图像上移动，若模板内的像素灰度与模板中心（被称为“核”——Nucleus）的像素灰度值之差小于一定的阈值，则认为该点与核Nucleus具有相同的灰度，满足该条件的像素组成的区域就称为USAN。根据**USAN区域的大小**来检测边缘、角点等特征的位置和方向信息。

分析图像可知，**边缘处的点的****USAN****值，小于或等于最大值一半**。在边缘或角点处的USAN值最小

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70][]

## 计算步骤： ##

1. 根据相似度 （像素差值的大小），二值化圆形模板中（37个像素=6\*6）的每个像素值

2. 统计USAN区域的值 我们可以称为USAN值，反映USAN区域的大小。

3. 使用非极大值抑制来寻找角点。计算边缘响应，通过设定一个阈值，确定边缘或角点

提取边 = 3/4 \* 最大USAN值

角点 = 1/2 \* 最大USAN值

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 1][]

![20190331215943160.png][]

### 优缺点： ###

优点：

运算量也比较小 （0 1 运算 ）

抗噪声能力很强，基于对周边象素的灰度比较，完全不涉及梯度的运算

既能检测边缘，又能检测角点

缺点：

准确性受选择阈值的影响，选择合适的阈值需要功夫。

角点似乎比不过harris，边缘似乎比不过Canny。

[20170323224942690]: /images/20220705/95ea5d7cdf1641cfa0e5b57ce3c99c5a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70]: /images/20220705/dc6f3c83af0e4f49815b7ee506683653.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoeWpoeXAxMQ_size_16_color_FFFFFF_t_70 1]: /images/20220705/752cc337c40346f4ba685c20b993e698.png
[20190331215943160.png]: /images/20220705/7212a580a8f04dff93a86e1471eb6cd9.png