图象特征提取
特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图
像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上
的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。
特征的定义
至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应
用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算
法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提
取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相
同的。
特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的
第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一
个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提
取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通
过局部导数运算来计算图像的一个或多个特征。
有时，假如特征提取需要许多的计算时间，而可以使用的时间有限制，一
个高层次算法可以用来控制特征提取阶层，这样仅图像的部分被用来寻找特征。
由于许多计算机图像算法使用特征提取作为其初级计算步骤，因此有大量
特征提取算法被发展，其提取的特征各种各样，它们的计算复杂性和可重复性也
非常不同。
边缘
边缘是组成两个图像区域之间边界（或边缘）的像素。一般一个边缘的形
状可以是任意的，还可能包括交叉点。在实践中边缘一般被定义为图像中拥有大
的梯度的点组成的子集。一些常用的算法还会把梯度高的点联系起来来构成一个
更完善的边缘的描写。这些算法也可能对边缘提出一些限制。
局部地看边缘是一维结构。
角
角是图像中点似的特征，在局部它有两维结构。早期的算法首先进行边缘
检测，然后分析边缘的走向来寻找边缘突然转向（角）。后来发展的算法不再需
要边缘检测这个步骤，而是可以直接在图像梯度中寻找高度曲率。后来发现这样
有时可以在图像中本来没有角的地方发现具有同角一样的特征的区域。
区域
与角不同的是区域描写一个图像中的一个区域性的结构，但是区域也可能
仅由一个像素组成，因此许多区域检测也可以用来监测角。一个区域监测器检测
剩余7页未读，继续阅读
资源评论
Climb~
- 粉丝: 2
- 资源: 5
最新资源
- 分享：qt的Yolo图像处理模块（pri）
- 施工人员检测54-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma数据集合集.rar
- 基于Java + Mysql 实现的在线考试系统课程设计
- java小游戏，飞机大战0.1版本.zip
- 深度学习 python 特征标记
- GSD-file-for-DME5000-PROFIBUS-DC0000868.ZIP Firmware V1.5, V1.7, V2.0 SICK069D
- google-chrome-stable-124.0.6367.118-1.x86-64.rpm
- 施工人员检测53-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rar
- scratch简单小游戏（贪吃蛇）
- freeplane笔记
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
