关键点检测 FAST算法实现及其代码实现

本文重点讲述了涉及图像特征点检测的技术；FAST算法；此外，在Matlab平台上进行了具体实现。

FAST算法是一种关键点检测算法，在计算机视觉领域具有重要地位。它主要用于从动态成像的连续图像序列中定位目标物体。该方法的核心在于通过分析前后帧图像之间的空间变换关系来确定物体的关键特征点。这些关键点不仅能够帮助提取图像中的重要信息，在相机标定、SLAM等后续处理任务中发挥着基础性作用。

1. FAST算法解析

该算法采用一个包含16个像素的小圆来识别目标点P是否为显著拐点。这些小圆上的像素编号为1至16。每个候选像素点P的亮度值定义为I_p（在灰度图中即代表该像素的亮度）。当该圆内连续N个像素均明显比候选 pixels P 亮得多或暗得多时，则将 P 识别为拐 point。这个概念也易于理解：只需从局部区域中筛选出最明亮或最黑暗 pixels 作为关键特征即可。

• 条件1 : 一连串长度为N的连续像素序列S中的每一个像素s都满足I_x大于Ip加t
• 条件2 : 一连串长度为N的连续像素序列S中的每一个像素s都满足I_x小于Ip减t

只要满足其中一个条件即可判定该像素P是该区域的一个拐角。在这些条件下，在图像处理中通常会设定固定的数值范围（例如： N=5, [1,2,3,4,5], [2,3,4,5,6]...）。通过调节这两个参数（即 N参数 和 t