【计算机视觉】2.图像特征提取

一、颜色特征

量化颜色直方图

HSV空间
优势：计算高效
劣势：量化问题，稀疏

聚类颜色直方图

使用颜色空间：Lab颜色空间
操作：

1. 使用聚类算法对所有像素点颜色向量进行聚类
2. 单元用聚类代表

二、边缘特征

边缘

像素明显变化的区域
具有丰富的语义信息
用于：物体识别、几何、视角变换

边缘定义

1. 像素值快速变化的区域
2. 一阶导数的极值

边缘提取

一、做法
先做高斯去燥，再使用一阶导数获取机制
原因：一阶导数对噪声敏感
二、场景
横竖：一阶导数
斜的：梯度，分别对x和y分别求导

边缘精细

影像因素：高斯，x，y方向参数问题
不同标准差的滤波，能提取不同尺寸的边缘。

三、特征点的特征描述子

Harris角点

FAST角点

斑点

SIFT

基于尺度空间不变的特征
特点：

1. 具有良好的不变性【旋转、尺度缩放、平移、亮度、视角变化、仿射变换、噪声也有一定积极的稳定性
2. 独特性好，信息量丰富
3. 多量性：即使少数物体也可以产生大量SIFT特征
4. 计算快，SIFT匹配算法可以达到实时性。
   

1. 找极值点
   
   
   
   
   
2. 找主方向
   
   
   
   

Haar-like特征

SURF

ORB

LBP

Gabor