FASTN如何快速的检测出角点
1. FASTN算法的动机
大部分特征检测算法的效果较好,但是达不到实时,因此提出FAST (Features from Accelerated Segment Test)
2. FASTN算法的基本原理
用一句话来讲FASTN算法的原理就是:看一个像素周围有一定数量的像素与该点像素值不同,则认为其为角点。步骤如下:
1)在图像中任选一点p, 假定其像素(亮度)值为
2)以r为半径画圆,覆盖p点周围的M个像素,如下图所示: r=3, M=16
3)设定阈值t,如果这周围的16个像素中有连续的N个像素的像素值减去
4)一种更加快的改进是: 首先检测p点周围的四个点,即1, 5, 9, 12四个点中是否有三个点满足超过
以上算法的缺点:很可能大部分检测出来的点彼此之间相邻,我们要去除一部分这样的点。为了解决这一问题,可以采用非最大值抑制的算法:假设P,Q两个点相邻,分别计算两个点与其周围的16个像素点之间的差分和V,去除V值较小的点,即把非最大的角点抑制掉。
那么问题来了,什么样角度的角点都能检测到吗?如下图:有三种角点,分别是45°角,90°角和135°角。
那么FASTN算法哪个角点都能检测到么?
答案是肯定的。但是这取决于连续像素N的设置。我们仍然假如半径r=3,那么在该圆上有16个像素:如下图:
因为该算法检测角点的条件是:连续N个像素大于或小于中心灰度值减去阈值t,所以这个N从某种程度上就决定了能检测到的角度。比如下图:以黑线为基准的话,设置N=10的话,能检测到小于135°的角(黑红夹角),设置N=12的话,能检测到小于90°的角(黑蓝夹角),设置N=14的话,则能检测到小于45°的角(黑绿夹角)。
3. FASTN 算法总结
1)在速度上要比其他算法速度快很多
2)受图像噪声以及设定的阈值影响很大
3)FASTN不产生多尺度特征而且FASTN特征点没有方向信息,这样就会失去旋转不变性
参考文献:
免责声明:本文系网络转载。版权归原作者所有。如涉及版权,请联系删除!