心胸决定格局，眼界决定境界...

OpenCV中feature2D学习——FAST特征点检测

http://blog.csdn.net/holybin/article/details/44734011

  在前面的文章《OpenCV中feature2D学习——SURF和SIFT算子实现特征点检测》中讲了利用SIFT和SURF算子进行特征点检测，这里尝试使用FAST算子来进行特征点检测。

    FAST的全名是：Features from Accelerated Segment Test，主要特点值计算速度快，比已知的其他特征点检测算法要快很多倍，可用于计算机视觉应用的实时场景。目前以其高计算效率(computational performance)、高可重复性(highrepeatability)成为计算机视觉领域最流行的特征点检测方法。其缺点在于当图片中的噪点较多时，FAST算子的健壮性不好且算法的效果还依赖于一个阈值threshold，此外FAST算子不产生多尺度特征而且没有方向信息，这样就会失去旋转不变性。

    FAST特征点检测的详细原理和过程可以参考：FAST特征点检测和图像处理特征不变算子系列之FAST算子（四）。相关论文：

[1] Edward Rosten and Tom Drummond,“Machine learning for high speed corner detection” in 9th European Conferenceon Computer Vision, vol. 1, 2006, pp. 430–443.

[2] Edward Rosten, Reid Porter, and TomDrummond, “Faster and better: a machine learning approach to corner detection”in IEEE Trans. Pattern Analysis and Machine Intelligence, 2010, vol 32, pp.105-119.

I、采用FAST函数进行特征检测

OpenCV中的FAST/FASTX函数用于FAST特征点检测。函数原型如下：

 

[cpp] view plain copy
 
 在CODE上查看代码片派生到我的代码片
  1. C++: void FAST(InputArray image, vector<KeyPoint>& keypoints, int threshold, bool nonmaxSuppression=true)  
  2. C++: void FASTX(InputArray image, vector<KeyPoint>& keypoints, int threshold, bool nonmaxSuppression, int type)  

 

参数：

·image – 输入灰度图像。

·keypoints – 检测到的特征点。

·threshold – 中心像素的像素值和该像素周围的像素值之差的阈值。

·nonmaxSuppression – 是否对特征点采用极大值抑制。

·type – 像素邻域圆的三种类型：FastFeatureDetector::TYPE_9_16,FastFeatureDetector::TYPE_7_12, FastFeatureDetector::TYPE_5_8。

函数基本使用例子如下：

[cpp] view plain copy
 
 在CODE上查看代码片派生到我的代码片
  1. /** 
  2. * @概述: 使用FAST进行特征点检测 
  3. * @类和函数: FAST函数，FastFeatureDetector类 
  4. * @author: holybin 
  5. */  
  6. #include <opencv2/core/core.hpp>   
  7. #include <opencv2/highgui/highgui.hpp>   
  8. #include <opencv2/imgproc/imgproc.hpp>   
  9. #include <opencv2/features2d/features2d.hpp>  
  10.   
  11. using namespace cv;   
  12. using namespace std;  
  13.   
  14. int main(int argc, char** argv)   
  15. {   
  16.     Mat img = imread("box_in_scene.png");  
  17.   
  18.     vector<KeyPoint> keypoints;   
  19.     FAST(img, keypoints, 20);   
  20.   
  21.     //-- 绘制特征点  
  22.     Mat img_keypoints;   
  23.     drawKeypoints(img, keypoints, img_keypoints, Scalar::all(-1), DrawMatchesFlags::DEFAULT);   
  24.     //-- 显示特征点  
  25.     imshow("Keypoints", img_keypoints);  
  26.     imwrite("fast_detection_result.png", img_keypoints);  
  27.   
  28.     waitKey(0);   
  29.     return 0;   
  30. }  

运行结果如图：



II、使用FastFeatureDetector进行FAST特征点检测

 

FastFeatureDetector继承自2D图像特征检测的虚基类FeatureDetector，专用于FAST特征检测，类似的还有如下类：

 

FastFeatureDetector的类定义如下：

[cpp] view plain copy
 
 在CODE上查看代码片派生到我的代码片
  1. class FastFeatureDetector : public FeatureDetector  
  2. {  
  3. public:  
  4. FastFeatureDetector( int threshold=1, bool nonmaxSuppression=true, type=FastFeatureDetector::TYPE_9_16 );  
  5. //可以看出FastFeatureDetector的构造函数默认的阈值为1，进行非极大值抑制，以及圆周像素为16个。  
  6.     virtual void read( const FileNode& fn );  
  7. virtual void write( FileStorage& fs ) const;  
  8.     //注意detect函数是定义于虚基类FeatureDetector中的。  
  9. protected:  
  10.     ...  
  11. };  

 

FastFeatureDetector类的具体使用例子如下：

[cpp] view plain copy
 
 在CODE上查看代码片派生到我的代码片
  1. /** 
  2. * @概述: 使用FAST进行特征点检测 
  3. * @类和函数: FAST函数，FastFeatureDetector类 
  4. * @author: holybin 
  5. */  
  6. #include <opencv2/core/core.hpp>   
  7. #include <opencv2/highgui/highgui.hpp>   
  8. #include <opencv2/imgproc/imgproc.hpp>   
  9. #include <opencv2/features2d/features2d.hpp>  
  10.   
  11. using namespace cv;   
  12. using namespace std;  
  13.   
  14. int main(int argc, char** argv)   
  15. {   
  16.     Mat img = imread("box_in_scene.png");  
  17.   
  18.     vector<KeyPoint> keypoints;   
  19.     FastFeatureDetector fast(20);  
  20.     fast.detect(img,keypoints);  
  21.   
  22.     //-- 绘制特征点  
  23.     Mat img_keypoints;   
  24.     drawKeypoints(img, keypoints, img_keypoints, Scalar::all(-1), DrawMatchesFlags::DEFAULT);   
  25.     //-- 显示特征点  
  26.     imshow("Keypoints", img_keypoints);  
  27.     imwrite("fast_detection_result.png", img_keypoints);  
  28.   
  29.     waitKey(0);   
  30.     return 0;   
  31. }  

运行结果如图：

 

 

这里注意到两种方法出来的效果不同，究其原因，在使用detect函数进行特征点检测时，实际调用的是FeatureDetector的各个派生类（这里是FastFeatureDetector类）中的detectImpl函数，参考detect函数源代码（位置 \OpenCV2.4.0\modules\features2d\src\detectors.cpp）：

[cpp] view plain copy
 
 在CODE上查看代码片派生到我的代码片
  1. void FeatureDetector::detect( const Mat& image, vector<KeyPoint>& keypoints, const Mat& mask ) const  
  2. {  
  3.     keypoints.clear();  
  4.   
  5.     if( image.empty() )  
  6.         return;  
  7.   
  8.     CV_Assert( mask.empty() || (mask.type() == CV_8UC1 && mask.size() == image.size()) );  
  9.   
  10.     detectImpl( image, keypoints, mask );//实际调用派生类的该函数  
  11. }  

而派生类FastFeatureDetector中的detectImpl函数的源代码如下（位置 \OpenCV2.4.0\modules\features2d\src\fast.cpp）：

[cpp] view plain copy
 
 在CODE上查看代码片派生到我的代码片
  1. void FastFeatureDetector::detectImpl( const Mat& image, vector<KeyPoint>& keypoints, const Mat& mask ) const  
  2. {  
  3.     Mat grayImage = image;  
  4.     if( image.type() != CV_8U ) cvtColor( image, grayImage, CV_BGR2GRAY );  
  5.     FAST( grayImage, keypoints, threshold, nonmaxSuppression );//调用FAST函数  
  6.     KeyPointsFilter::runByPixelsMask( keypoints, mask );  
  7. }  

可以看到detectImpl函数调用了FAST函数来做特征点检测，而随后调用了runByPixelsMask函数来进行一些别的处理，因为所有的传入参数都是一致的，可以断定就是这些操作使得最后的检测结果不一样。但是具体操作我还不清楚，如果有大神知道望赐教。

 

posted @ 2016-11-22 11:14  WELEN  阅读(1198)  评论(0)    收藏  举报