欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

OpenCV中feature2D学习——FAST特征点检测

程序员文章站 2022-06-11 15:39:46
...

    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:

  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:

  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. using namespace cv;
  11. using namespace std;
  12. int main(int argc, char** argv)
  13. {
  14. Mat img = imread("box_in_scene.png");
  15. vector<KeyPoint> keypoints;
  16. FAST(img, keypoints, 20);
  17. //-- 绘制特征点
  18. Mat img_keypoints;
  19. drawKeypoints(img, keypoints, img_keypoints, Scalar::all(-1), DrawMatchesFlags::DEFAULT);
  20. //-- 显示特征点
  21. imshow("Keypoints", img_keypoints);
  22. imwrite("fast_detection_result.png", img_keypoints);
  23. waitKey(0);
  24. return 0;
  25. }

运行结果如图:

OpenCV中feature2D学习——FAST特征点检测

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:

OpenCV中feature2D学习——FAST特征点检测

FastFeatureDetector的类定义如下:

  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:

  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. using namespace cv;
  11. using namespace std;
  12. int main(int argc, char** argv)
  13. {
  14. Mat img = imread("box_in_scene.png");
  15. vector<KeyPoint> keypoints;
  16. FastFeatureDetector fast(20);
  17. fast.detect(img,keypoints);
  18. //-- 绘制特征点
  19. Mat img_keypoints;
  20. drawKeypoints(img, keypoints, img_keypoints, Scalar::all(-1), DrawMatchesFlags::DEFAULT);
  21. //-- 显示特征点
  22. imshow("Keypoints", img_keypoints);
  23. imwrite("fast_detection_result.png", img_keypoints);
  24. waitKey(0);
  25. return 0;
  26. }

运行结果如图:

OpenCV中feature2D学习——FAST特征点检测


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):

  1. void FeatureDetector::detect( const Mat& image, vector<KeyPoint>& keypoints, const Mat& mask ) const
  2. {
  3. keypoints.clear();
  4. if( image.empty() )
  5. return;
  6. CV_Assert( mask.empty() || (mask.type() == CV_8UC1 && mask.size() == image.size()) );
  7. detectImpl( image, keypoints, mask );//实际调用派生类的该函数
  8. }

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):

  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。