在计算harris特征角时候，我们要在两个方向计算梯度，计算代价有点大。在paper

The article by E. Rosten and T. Drummond, Machine learning for high-speed corner detection, in In European Conference on Computer Vision, pp. 430-443, 2006.

中，作者提出了一种快速的特征检测方法。paper下载：

      对于中心点p，半径为3的圆，计算圆周上的点和中心点的灰度值差，如果大于阈值，且这些点组成的弧长大于圆周长的3/4，则中心点p为特征点。如下图所示，在计算时候，可以先计算1，5，9，13处的灰度值差，至少有3个点的差大于阈值，中心点p才有可能是特征点，通过这种方法，能加快特征点的检测。

 

 

opencv中实现了概算法，下面的代码演示了如何调用快速特征检测：

    // Read input image

    image= cv::imread("../church01.jpg",0);

   //快速特征检测

    keypoints.clear();

    //40是阈值

    cv::FastFeatureDetector fast(40);

    fast.detect(image,keypoints);

    cv::drawKeypoints(image,keypoints,image,cv::Scalar(255,255,255),cv::DrawMatchesFlags::DRAW_OVER_OUTIMG);

    // Display the corners

    cv::namedWindow("FAST Features");

    cv::imshow("FAST Features",image);

下面左图为快速特征检测的结果，可以看到和good特征检测出的特征点结果很接近。

程序代码：参考FirstOpenCV49

代码下载：