BRIEF是一种特征描述子提取算法，并非特征点的提取算法，一种生成二值化描述子的算法，不提取代价低，匹配只需要使用简单的汉明距离(Hamming Distance)利用比特之间的异或操作就可以完成。因此，时间代价低，空间代价低，效果还挺好是最大的优点。

　　算法的步骤介绍如下：

　　1. 图像滤波：原始图像中存在噪声时，会对结果产生影响，所以需要对图像进行滤波，去除部分噪声。

　　2. 选取点对：以特征点为中心，取S*S的邻域窗口，在窗口内随机选取N组点对，一般N=128,256,512，默认是256，关于如何选取随机点对，提供了五种形式，结果如下图所示：

　　·x,y方向平均分布采样

　　·x,y均服从Gauss(0,S^2/25)各向同性采样

　　·x服从Gauss(0,S^2/25)，y服从Gauss(0,S^2/100)采样

　　·x,y从网格中随机获取

　　·x一直在(0,0)，y从网格中随机选取

　　图中一条线段的两个端点就是一组点对，其中第二种方法的结果比较好。

　　3. 构建描述符：假设x,y是某个点对的两个端点，p(x),p(y)是两点对应的像素值，则有：

　　对每一个点对都进行上述的二进制赋值，形成BRIEF的关键点的描述特征向量，该向量一般为 128-512 位的字符串，其中仅包含 1 和 0，如下图所示：

　　以上就是关于“什么BRIEF算法?BRIEF算法详解”的相关内容，希望上面的介绍能够给大家带来帮助，如果大家正在学习Python知识或者是对Python知识比较感兴趣的话，都可以添加我们的官方qq群-790693323，不仅可以获得Python学习资料，并且群内还有专业的Python老师定期为大家解决学习所遇到的问题，想要学习的小伙伴，不要错过。