图像特征提取之局部秩

引言

在读研期间而然机会，我跟局部秩结缘了。为了不至于忘记这个很有趣的特征提取算子，故有此文章。

根据我的调研，局部秩从被提出之后，就没有受到太多的关注。可能是它跟其他的算子太像了，以至于大家对它没什么兴趣。但是一旦慢慢的体会，其实还是很有用的。甚至可以再创新再发展，这个就是后话，不多说了。本文主要还是集中于基本原理的讨论，和一些简单的应用。权当抛砖引玉了，如果大家能在这里探讨一下，也令我蓬荜生辉不少。好了，不多说了。直接进入正题。

局部秩

定义：以图像的某个像素为中心的邻域，参考其邻域的其他像素值，如果比这个像素值低（或高），那么中心像素的秩就加1。遍历所有的邻域像素，就得到这个像素的局部秩。（注：详细内容可以参考引用1的文章。）

这个定义非常的有意思，我们可以看到，它只是对中心像素和邻域像素的强度做对比，没有参考强度具体是多少，这也就使得它对于整体图像的对比度变化有一定的抗性。

然而，现实的情况是很残酷的，我们不可能得到具有均匀光照的图像，所以，对于图像存在非均匀光照的情况，就显得有点力不从心了。

一个可行的（至少看似可行）方法时采用局部自适应阈值结合改进的局部秩方法，来克服这种非均匀光照和噪声带来的影响。

定义：以图像的某个像素为中心的邻域，参考其邻域的其他像素值，如果比这个像素值低 deta强度（或高deta强度），那么中心像素的秩就加1。遍历所有的邻域像素，就得到这个像素的局部秩。

在这个定义中，deta是我们取的阈值，自适应阈值的方法就是，求取邻域的灰度均值作为阈值。这样，一方面是可以排除一些噪声的干扰，另一方面，则可以对非均匀光照有一定的（看似）不变性。

在这里，阈值可以是正，也可以是负。他们得到的结果看起来就像是互补的一样，这就更增添了其意义。

简单的结果

下面这张图是对常用的图像做的变换。（从论文中直接copy过来）

引用

[1] http://www.sciencedirect.com/science/article/pii/S0020025515004879

如果大家有什么想法可以探讨，英文文章我已经下载，可以来索取。QQ：896869167