代碼在git

$p_{10}$$p_9$$p_8$

	$p_{11}$				$p_7$
$p_{12}$						$p_6$
$p_{13}$			P			$p_5$
$p_{14}$						$p_4$
	$p_{15}$				$p_3$
		$p_{16}$	$p_1$	$p_2$

fast 算法的源碼實(shí)現(xiàn)只是比較

• $p$和$p_1$,$p_9$的灰度差
• $p$和$p_5$,$p_{13}$的灰度差

在計(jì)算fast 前需要進(jìn)行中止濾波

在計(jì)算后要進(jìn)行非極大抑制

• 第1步：在圖像中選擇某個(gè)像素，它的灰度值記為。
• 第2步：設(shè)定一個(gè)閾值，用于判斷兩個(gè)像素灰度值差異大小，為了能夠自適應(yīng)不同的圖像，一般采用相對(duì)百分比例，比如設(shè)置為的20%。
• 第3步：以像素為中心，選取半徑為3的圓上的16個(gè)像素點(diǎn)。選取方式見下圖右所示。
• 第4步：如果16個(gè)像素點(diǎn)中有連續(xù)的個(gè)點(diǎn)的灰度大于或者小于，那么可以將像素確定為關(guān)鍵點(diǎn)。在ORB的論文中，作者說時(shí)效果較好，稱之為FAST-9。實(shí)際操作中為了加速，我們可以把第1，5，9，13個(gè)像素點(diǎn)當(dāng)做錨點(diǎn)，在FAST-9算法中，只有當(dāng)這4個(gè)錨點(diǎn)中有3個(gè)及以上灰度值同時(shí)大于或者小于，當(dāng)前像素才可能是一個(gè)關(guān)鍵點(diǎn)進(jìn)入到下一個(gè)階段的判斷，否則就可以排除掉，這大大加速了關(guān)鍵點(diǎn)檢測(cè)的速度。
• 第5步：遍歷圖像中每個(gè)像素點(diǎn)，循環(huán)執(zhí)行以上四個(gè)步驟。

# 校驗(yàn)rows, cols = image.shape[:2]if row < 3 or col < 3:return Falseif row >= rows-3 or col >= cols-3:return Falseintensity = int(image[row][col])ROI = circle(row, col)# 獲取位置1,9,5,13的像素值row1, col1 = ROI[0]row9, col9 = ROI[8]row5, col5 = ROI[4]row13, col13 = ROI[12]intensity1 = int(image[row1][col1])intensity9 = int(image[row9][col9])intensity5 = int(image[row5][col5])intensity13 = int(image[row13][col13])# 統(tǒng)計(jì)上面4個(gè)位置中滿足 像素值 > intensity + threshold點(diǎn)的個(gè)數(shù)countMore = 0# 統(tǒng)計(jì)上面4個(gè)位置中滿足 像素值 < intensity - threshold點(diǎn)的個(gè)數(shù)countLess = 0if intensity1 - intensity > threshold:countMore += 1elif intensity1 + threshold < intensity:countLess += 1if intensity9 - intensity > threshold:countMore += 1elif intensity9 + threshold < intensity:countLess += 1if intensity5 - intensity > threshold:countMore += 1elif intensity5 + threshold < intensity:countLess += 1if intensity13 - intensity > threshold:countMore += 1elif intensity13 + threshold < intensity:countLess += 1

總結(jié)

以上是生活随笔為你收集整理的fast 算法原理的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。