參考文章：Freak特征提取算法 圓形區域分割
一、Brisk特征的計算過程（參考對比）：
1.建立尺度空間：産生8層Octive層。
2.特征點檢測：對這8張圖進行FAST9-16角點檢測，得到具有角點資訊的8張圖，對原圖像img進行一次FAST5-8角點檢測（當做d(-1)層，虛拟層），總共會得到9幅有角點資訊的圖像。
3.非極大值抑制：
4.亞像素插值：進過上面步驟，得到了圖像特征點的位置和尺度，在極值點所在層及其上下層所對應的位置，對FAST得分值（共3個）進行二維二次函數插值（x、y方向），得到真正意義上的得分極值點及其精确的坐标位置（作為特征點位置）；再對尺度方向進行一維插值，得到極值點所對應的尺度（作為特征點尺度）。
5.特征點描述：使用如下圖的磚塊模式
5.1 通過計算局部梯度來計算主方向
5.2 根據主方向進行旋轉，得到，512Bit的二進制編碼，也就是64個位元組（BRISK64）的Brisk特征。
二、FRESK特征的計算過程
步驟5之處，采樣模式發生了變化，如下圖：
從圖中可以看出，該結構是由很多大小不同并有重疊的圓構成，最中心的點是特征點，其它圓心是采樣點，采樣點離特征點的距離越遠，采樣點圓的半徑越大，也表示該圓内的高斯函數半徑越大。
特點：
由于FREAK描述符自身的圓形對稱采樣結構使其具有旋轉不變性，采樣的位置好半徑随着尺度的變化使其具有尺度不變性，對每個采樣點進行高斯模糊，也具有一定的抗噪性能，像素點的強度對比生成二進制描述子使其具有光照不變性。是以由上述産生的二進制描述子可以用來進行特征比對。在比對之前，再補充一下特征點的方向資訊。
三、OpenCV使用Freak描述子
參考一個Freak與ORB的對比評測：http://blog.csdn.net/yang_xian521/article/details/7732835
關于主方向的确定和比對模式，請參考原文：特征檢測Freak檢測算法。
參考資料：FREAK原始論文《FREAK: Fast Retina Keypoint》
轉載于:https://www.cnblogs.com/wishchin/p/9199975.html