摘 要

所有用于实时帧频率的图像特征点检测，高速特征点检测方法是必要。SIFT特征点检测算法，SUSAN特征点检测算法等都是我们平时经常用到的检测算法，但是当我们需要快速的对视频高帧数的图像进行处理的时候就显的有点缓慢了。对此我们提出了一种更加快速有效稳定的特征点检测算法——FAST特征点检测算法。

FAST特征点检测算法来自于特征点的灰度值定义，这个定义是根据特征点四周的图像像素点的灰度值，有足够多的像素点灰度值高于或是地狱中间像素点，那么就能够确定这个预选的点是特征点。

在本文中，我们在机器学习中获得非常快速、 高质量的特征点检测算法。它具有以下优点 ︰

1.比其他现有的特征点探测器快上许多倍。

2.高水平的重复性下大方面的变化和不同的功能。

然而，它也有很多的不足︰

1.对于高频率噪声稳定性不足。

2.依赖于一个阈值。

关键词：Opencv；图像处理；快速特征点检测；FAST

Abstract

All image feature point detection for realtime frame rate, high speed feature point detection method is necessary. SIFT feature detection algorithm, SUSAN feature points detecting algorithm of detection methods are of high quality, but they were too complex when applied to the real-time detection, is not conducive to high speed detection. So we need a more efficient and stable--FAST feature point detection algorithm of feature point detection algorithm.

Algorithm for FAST feature point detection from grayscale values of the characteristic points defining that this definition is based on the feature points around the pixel gray value, inspection points around the gray value of the pre-selection, if points around the area, there are plenty of pixels larger grey value contrast with the candidate, you should be able to determine the primary point is the point.

In this article, we obtained in machine learning very fast, high quality feature point detection algorithm.It has the following advantages:

1. It is many times faster than other existing corner detectors.

2.High levels of repeatability under large aspect changes and for different kinds of feature.

However, it also suffers from a number of disadvantages:

1.It is not robust to high levels noise.

2.It can respond to 1 pixel wide lines at certain angles, when the quantisation of the circle misses the line.

3.It is dependent on a threshold.

Key Words：Opencv；image processing；fast corner detection；FAST

目录

摘 要 I

Abstract II

第1章 绪论 1

1.1 设计目的及意义 1

1.2 国内外的研究现状 1

第2章 开发环境的配置 3

2.1 Opencv3.0 3

2.2 Visual Studio 2015 3

2.3利用属性表进行配置 3

2.4配置测试 6

第3章 FAST和其他特征点检测方法 8

3.1 特征点检测的概念 8

3.2 HARRIS特征点检测 9

3.3 SURF特征点检测 11

3.4 FAST特征点检测 15

第4章 基于Opencv的FAST特征点检测 20

4.1 设计目标 20

4.2 程序源代码 20

4.3 代码详解 21

4.3.1HighGUI图形用户界面和core组件 21

4.3.2feature2d组件 24

4.4程序运行结果及分析 26

第5章 总结与展望 29

参考文献 30

致 谢 31

第1章 绪论

1.1 设计目的及意义

计算机视觉在进入21世纪以来逐渐变的一门重要的学科。伴随计算机的性能方便的不断突破和性价比的不断上升，CPU和GPU性能的不断进步，图像处理软件变的运行速度也越来越快。OpenCV在计算机视觉学科中作为一个开源的软件，有着举足轻重的作用，它是一个能在许多平台上运行的计算机视觉库。我们通过调用预先编程好的程序就能快速的处理许多图像的问题和完成计算机视觉方面的很多应用。自1999年开发以来，opencv早已被计算机视觉学科的研究者视为第一选择的工具并且是十分有力便捷的工具。

开发这软件一方面有利于我们熟悉opencv的编程环境，了解应用opencv，能够学会编辑运行多种图像处理的方法；另一方面它在民用方面有着一定的潜在市场应用价值，可以简化图像检测，图像内容过滤，数据库或因特网中的图像检索等方面有广泛应用。

特征点的寻找和识别在计算机视觉学科当中作为基础显得尤为的重要。在物 体 检 测，视 觉 跟 踪，三 维 创 建等学科当中都是一开始的准备工作。这次我应用的特征点检测算法是——FAST（features from accelerated segment test）。现在很多一般的算法都比较浪费时间，但是特征点检测是上述学科当中的第一步，耗费时间是事倍功半的。FAST特征点检测算法简单的只需要利用某个像素点周围一圈16个像素点的信息进行多次比较就可以得到特征点，快速、稳定。

1.2 国内外的研究现状