FAST是一種用于角點檢測的算法，該算法的原理是取圖像中檢測點，以改點為圓心的周圍鄰域內像素點判斷監測點是否為角點。
OpenCV中的FAST檢測算法是用傳統方法實現的。

實例化fast

fast = cv.FastFeatureDetector_create(threshold, nonmaxSuppression)

參數：

• threshold：閥值t，有默認值10
• nonmaxSuppression：是否進行非極大值抑制，默認值True

返回：

• Fast：創建的FastFeatureDetector對象

利用fast.detect檢測關鍵點，沒有對應的關鍵點描述

kp = fast.detect(igrayImg, None)

參數：

• gray：進行關鍵點檢測的圖像，注意是灰度圖形

返回：

• kp：關鍵點信息，包括位置，尺度，方向信息

將關鍵點檢測結果繪制在圖像上

cv.drawKeypoints(image, keypoints, outputimage, color, flags)

代碼實現

import numpy as np import cv2 as cv from matplotlib import pyplot as plt# 1.讀取圖像 img = cv.imread("./1.jpg")# 2.Fast角點檢測 # 2.1創建一個Fast對象，傳入閥值，注意：可以處理彩色空間圖像 fast = cv.FastFeatureDetector_create(threshold=30)# 2.2檢測圖像上的關鍵點 kp = fast.detect(img, None)# 2.3在圖像上繪制關鍵點 img2 = cv.drawKeypoints(img, kp, None, color=(0, 0, 255))# 2.4輸出默認參數 print("Threshold：{}".format(fast.getThreshold())) print("nonmaxSuppression：{}".format(fast.getNonmaxSuppression())) print("neighborhood：{}".format(fast.getType())) print("Total Keypoints with nonmaxSuppression：{}".format(len(kp)))# 2.5關閉非極大值抑制 fast.setNonmaxSuppression(0) kp = fast.detect(img, None)print("Total Keypoints without nonmaxSuppression：{}".format(len(kp)))# 2.6繪制為進行非極大值抑制效果 img3 = cv.drawKeypoints(img, kp, None, color=(0, 0, 255))# 3.繪制圖像 fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(10, 8), dpi=100) axes[0].imshow(img[:, :, ::-1]) axes[0].set_title("原圖") axes[1].imshow(img2[:, :, ::-1]) axes[1].set_title("加入非極大值抑制") axes[2].imshow(img3[:, :, ::-1]) axes[2].set_title("未加入非極大值抑制") plt.show()

Fast算法：
若一個像素周圍有一定數量的像素與該點像素值不同，則認為其為角點。

Fast算法的缺點：

• 獲取的候選點比較多
• 特征點的選取不是最優的，因為它的效果取決于要解決的問題和角點的分布情況。
• 進行非特征點判別時大量的點被丟棄
• 檢測到的很多特征點都是相鄰的

前 3個問題可以通過機器學習的方法解決，最后一個問題可以使用非最大值抑制的方法解決。

Fast算法比其它角點的檢測算法快，但是在噪聲較高時不夠穩定，這需要設置合適的閥值。

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的OpenCV Fast角点检测的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。