网站建设赚钱吗,天元建设集团有限公司总裁赵纪峰,泰兴网站推广,滁州哪里做网站文章目录 颜色特征量化颜色直方图适用颜色空间#xff1a;RGB、HSV等颜色空间操作 几何特征边缘 Edge边缘定义边缘提取 基于关键点的特征描述子引入几何特征#xff1a;关键点几何特征#xff1a;Harris角点FAST角点检测几何特征#xff1a;斑点局部特征#xff1a;SIFT预… 文章目录 颜色特征量化颜色直方图适用颜色空间RGB、HSV等颜色空间操作 几何特征边缘 Edge边缘定义边缘提取 基于关键点的特征描述子引入几何特征关键点几何特征Harris角点FAST角点检测几何特征斑点局部特征SIFT预备知识Haar-like特征局部特征SURFBRIEFLBP 其他特征提取代码实践 pip install opencv-python 颜色特征 量化颜色直方图 适用颜色空间RGB、HSV等颜色空间 HSV空间 计算高效但存在量化问题和稀疏 操作 颜色空间量化单元bin由单元中心代表 统计落在量化单元上的像素数量 几何特征 边缘 Edge 边缘定义 像素值函数快速变化的区域-一阶导数的极值区域 边缘提取 先高斯去噪再使用一阶导数获取极值导数对噪声敏感 基于关键点的特征描述子 引入 几何特征关键点 几何特征Harris角点 FAST角点检测 几何特征斑点 - – 当sigma较小时将识别出更为细节的边缘 局部特征SIFT 基于尺度空间不变的特征特点 - 具有良好的不变性 - 独特性好信息量丰富 - 多量度 - 计算快 计算步骤 尺度空间 LoG和DoG的运行结果差不多但是DoG差分运算效率比LoG微分高很多 高斯金字塔 补充 1、为什么要构建高斯金字塔 高斯金字塔模仿的是图像的不同的尺度尺度应该怎样理解对于一副图像你近距离观察图像与你在一米之外观察看到的图像效果是不同的前者比较清晰后者比较模糊前者比较大后者比较小通过前者能看到图像的一些细节信息通过后者能看到图像的一些轮廓的信息这就是图像的尺度图像的尺度是自然存在的并不是人为创造的。好了到这里我们明白了其实以前对一幅图像的处理还是比较单调的因为我们的关注点只落在二维空间并没有考虑到“图像的纵深”这样一个概念如果将这些内容考虑进去我们是不是会得到更多以前在二维空间中没有得到的信息呢于是高斯金字塔横空出世了它就是为了在二维图像的基础之上榨取出图像中自然存在的另一个维度尺度。因为高斯核是唯一的线性核也就是说使用高斯核对图像模糊不会引入其他噪声因此就选用了高斯核来构建图像的尺度。 2、高斯金字塔的构建步骤 高斯金字塔构建过程中一般首先将图像扩大一倍在扩大的图像的基础之上构建高斯金字塔然后对该尺寸下图像进行高斯模糊几幅模糊之后的图像集合构成了一个八度然后对该八度下的最模糊的一幅图像进行下采样的过程长和宽分别缩短一倍图像面积变为原来四分之一。 SIFT-特征点方向估计 旋转过程比较复杂转动特定角度时点格坐标难表达 SIFT-计算特征点描述子 预备知识Haar-like特征 Haar-like特征分为边缘特征、线性特征、中心特征和对角线特征。它们组合为特征模板。 Haar特征反映了图像的灰度变化情况。 Haar-like特征的快速计算积分图 局部特征SURF 对SIFT的改进 用海芬矩阵 小造型 特征点→主方向→64维的向量 把海森矩阵做分析形成模板 ORB特征描述 BRIEF ORB计算形心。 LBP 改进的LBP 灰度不变性和旋转不变形 Gabor滤波器 其他特征提取 代码实践 pip install opencv-python