matlab練習程序（FAST特征點檢測）

算法思想：如果一個像素與它鄰域的像素差別較大（過亮或過暗） , 那它更可能是角點。

算法步驟：

1.上圖所示，一個以像素p為中心，半徑為3的圓上，有16個像素點（p1、p2、...、p16）。

2.定義一個閾值。計算p1、p9與中心p的像素差，若它們絕對值都小於閾值，則p點不可能是特征點，直接pass掉；否則，當做候選點，有待進一步考察；

3.若p是候選點，則計算p1、p9、p5、p13與中心p的像素差，若它們的絕對值有至少3個超過閾值，則當做候選點，再進行下一步考察；否則，直接pass掉；

4.若p是候選點，則計算p1到p16這16個點與中心p的像素差，若它們有至少9個超過閾值，則是特征點；否則，直接pass掉。

5.對圖像進行非極大值抑制：計算特征點出的FAST得分值（即score值，也即s值），判斷以特征點p為中心的一個鄰域（如3x3或5x5）內，計算若有多個特征點，則判斷每個特征點的s值（16個點與中心差值的絕對值總和），若p是鄰域所有特征點中響應值最大的，則保留；否則，抑制。若鄰域內只有一個特征點（角點），則保留。

代碼如下：

clear all;
close all;
clc;

img=imread('lena.jpg');
imshow(img)

[m n]=size(img);
score=zeros(m,n);

t=60;   %閾值
for i=4:m-3
    for j=4:n-3
        p=img(i,j);    
        %步驟1，得到以p為中心的16個鄰域點
        pn=[img(i-3,j) img(i-3,j+1) img(i-2,j+2) img(i-1,j+3) img(i,j+3) img(i+1,j+3) img(i+2,j+2) img(i+3,j+1) ...
            img(i+3,j) img(i+3,j-1) img(i+2,j-2) img(i+1,j-3) img(i,j-3) img(i-1,j-3) img(i-2,j-2) img(i-3,j-1)];

        %步驟2
        if abs(pn(1)-p)<t && abs(pn(9)-p)<t
           continue; 
        end
        
        %步驟3     
        p1_5_9_13=[abs(pn(1)-p)>t abs(pn(5)-p)>t abs(pn(9)-p)>t abs(pn(13)-p)>t];
        if sum(p1_5_9_13)>=3
            ind=find(abs(pn-p)>t);
            %步驟4         
            if length(ind)>=9
                score(i,j) = sum(abs(pn-p));      
            end
        end
    end
end

%步驟5，非極大抑制，並且畫出特征點
for i=4:m-3
    for j=4:n-3
        if score(i,j)~=0
            if max(max(score(i-2:i+2,j-2:j+2)))==score(i,j)               
                [img(i-3,j), img(i-3,j+1), img(i-2,j+2), img(i-1,j+3), img(i,j+3), img(i+1,j+3), img(i+2,j+2), img(i+3,j+1), ...
                 img(i+3,j), img(i+3,j-1), img(i+2,j-2), img(i+1,j-3), img(i,j-3), img(i-1,j-3), img(i-2,j-2), img(i-3,j-1)]= ...
                 deal(255,255,255,255,255,255,255,255,255,255,255,255,255,255,255,255);
            end
        end
    end
end
figure;
imshow(img);

結果如下：

原圖：

檢測結果：

參考：https://www.cnblogs.com/wyuzl/p/7834159.html