2020-05-30 10:05:03 0
設備簡介：
對于組成要素的要素沒有統(tǒng)一或精確的定義，確切的定義通常取決于問題或應用程序的類型。然而，特征通常被定義為圖像的“有趣”部分，并且特征被用作許多計算機視覺算法的起點。由于特征被用作后續(xù)算法的起點和主要原語，因此總體算法通常僅與其特征檢測器一樣好。
因此，特征檢測器的理想屬性是可重復性：是否將在同一場景的兩個或更多不同圖像中檢測到相同特征。
特征檢測是低級圖像處理操作。即，通常將其作為對圖像的第一操作執(zhí)行，并檢查每個像素以查看該像素處是否存在特征。如果這是較大算法的一部分，則該算法通常僅檢查特征區(qū)域中的圖像。作為特征檢測的內(nèi)置先決條件，
通常使用高斯核以比例空間表示形式對輸入圖像進行平滑處理，并計算一個或多個特征圖像，通常用局部圖像導數(shù)運算來表示。
有時，當特征檢測在計算上很昂貴并且存在時間限制時，可以使用更高級別的算法來指導特征檢測階段，以便僅在圖像的某些部分中搜索特征。
有許多計算機視覺算法將特征檢測用作初始步驟，因此，已經(jīng)開發(fā)了很多特征檢測器。這些在檢測到的特征種類，計算復雜性和可重復性方面差異很大。
圖像特征的類型
邊緣
邊緣是兩個圖像區(qū)域之間存在邊界（或邊緣）的點。通常，邊緣可以具有幾乎任意形狀，并且可以包括結。實際上，邊緣通常被定義為圖像中具有強梯度幅度的點集。此外，一些常用算法會將高梯度點鏈接在一起，以形成邊緣的更完整描述。
這些算法通常會對邊緣的屬性施加一些約束，例如形狀，平滑度和漸變值。
局部上，邊緣具有一維結構。
角點/興趣點
術語“角點”和“興趣點”在某種程度上可以互換使用，是指圖像中具有局部二維結構的點狀特征。由于早期算法首先執(zhí)行邊緣檢測，然后分析邊緣以查找方向的快速變化（角），因此出現(xiàn)了“ Corner”這個名稱。然后開發(fā)這些算法，從而不再需要顯式的邊緣檢測，
例如，通過尋找高水平的曲率在圖像漸變中。然后注意到，在圖像的不是傳統(tǒng)意義上的角的部分上也檢測到所謂的角（例如，可以檢測到深色背景上的小亮點）。這些點通常被稱為興趣點，但是傳統(tǒng)上使用了[ corner]一詞[ 需要引用 ]。
斑點/興趣區(qū)
斑點提供了相對于區(qū)域的圖像結構的補充描述，而不是更像點的角。但是，斑點描述符通?？赡馨粋€首選點（操作員響應的局部最大值或重心），這意味著許多斑點檢測器也可能被視為興趣點操作員。斑點檢測器可以檢測圖像中過于光滑而無法被拐角檢測器檢測到的區(qū)域。
考慮縮小圖像，然后執(zhí)行角點檢測。檢測器將響應在縮小圖像中很清晰的點，但在原始圖像中可能很平滑。正是在這一點上，拐角檢測器和斑點檢測器之間的差異變得有些模糊。在很大程度上，可以通過包括適當?shù)谋壤吒拍顏韽浹a這種區(qū)別。
但是，由于它們對不同比例的不同類型圖像結構的響應特性，在有關角點檢測的文章中也提到了LoG和DoH 斑點檢測器。
脊
對于細長物體，脊的概念是自然的工具。從灰度圖像計算的脊線描述符可以看作是中間軸的概括。從實際的觀點來看，脊可以被認為是代表對稱軸的一維曲線，并且還具有與每個脊點相關聯(lián)的局部脊寬度的屬性。
但是，不幸的是，從算法上從一般灰度圖像類別中提取嶺特征比在邊緣，角點或斑點特征上算法難。但是，脊描述符通常用于航空圖像中的道路提取和醫(yī)學圖像中的血管提?。ㄕ垍㈤喖箼z測）。
