MATLAB图像处理——特征提取

1、图像的边缘检测的原理及基于Canny算子检测图像

答：边缘检测基本思想实现检测图像中的边缘点，再按照某种策略将边缘点连接成轮廓，从而构成分割区域。

       Canny边缘检测内测算子是边缘检测算子中最常用的一种，也是公认的性能优良的边缘检测算子，经常被其他算子引用作为标准算子进行优劣的对比分析。（①高的检测率；②精确的定位；③明确的响应）

       利用Canny算子进行边缘提取主要分4步：①去噪声；②计算梯度值与方向角；③非最大值抑制；④滞后阈值化。

 

%读入图像

I=imread('circuit.tif');

%进行边缘检测

BW1=edge(I,'prewitt');   %采用Prewitt算子进行边缘检测

BW2=edge(I,'canny');     %采用Canny算子进行边缘检测

%显示

subplot(1,2,1),imshow(BW1);

subplot(1,2,2),imshow(BW1)

2、角点特征检测

答：角点：角点是两个边缘的交点；角点是领域内具有两个主方向的特征点。

 

 

%读入图像；

I=imread('cameraman.tif');

%对输入的图像检测SURF特征；

points = detectSURFFeatures(I);

%显示最强的十个SURF特征点；

imshow(I);hold on;

plot(points.selectStrongest(10));

 

3、SURF特征提取简介

答：为了提高搜索特征点的速度，Bay等人提出的SURF（Speeded Up Robust Features,SURF）算法，SURF将DoH中的高斯二阶微分模板进行了近似简化，使得模板对图像的滤波只需要进行几个简单的加减法运算，并且，这种运算与滤波模板的尺寸无关，从而极大地提高了尺度不变特征的检测速度。

 

4、extractFeatures函数

答：当获得一幅图像的SURF特征点的信息后，可以调用extractFeatures()函数获取SURF特征向量。具体使用方法如下：

[FEATURES,VALID_POINTS]=extractFeatures(I,POINTS)

功能：提取特征点的特征向量。

输入：I-灰度图像；POINTS-特征点信息。

输出：FEATURES-特征描述向量；VALID_POINTS-有效特征点坐标。

 

%读入图像；

I=imread('cameraman.tif');

%对输入的图像检测SURF特征；

points = detectSURFFeatures(I);

%显示最强的十个SURF特征点；

imshow(I);hold on;

plot(points.selectStrongest(10));