Integral Channel Features-ICF
本文是我piotr dollar的integral channel features的理解,如有错误或者疑问请及时与我联系,谢谢。
一、导读
Integral Channel Features是指一类特征,这类特征可以通过积分图(Integral images)快速的计算出来。例如,Haar feature,local sums,gradient histograms。都可以通过积分图(Integral images)快速的计算出来。
PS:这里有几点要说明
1.什么是Haar特征,简单的说,在图像中划定一个矩形框,如下图,然后分别求出区域1和区域2中所有像素的和,记作sum(1),sum(2)。然后这俩个差值:sum(1)-sum(2)的值就是一个 Haar特征。当然,这只是一个例子,这个矩形可以有很多其它形式,详细了解请参考Haar
2.local sums这个特征就是图像中局部区域的像素和,比如上面的sum(1)
3.gradient histogram(梯度直方图):求出原始图像的gradient angle 和gradient magnitude,这个角度的值会决定对应像素落在直方图的那个bin上,而这个像素的gradient magnitude值会决定这个像素对这个bin的贡献。举个例子,下面这个梯度直方图有六个bin,分别是0-30度~150-180度。如果现在有个像素,它的gradient angle是142度,gradient magnitude是13,那么,这个像素会对120-150这个区间的直方图做出贡献,贡献值是13.更详细内容请参考HOG
4.积分图(Integral images),这个直接上图吧,比如下面4*4的图像
它的积分图也是同样大小的图片,即4*4大小,在积分图中,每个像素的的值,是原始图像中该位置左上角区域内所有的像素和。比如积分图像中,第二行第二列的像素就应该是:2+3+4+6=15
所以,上图的积分图像是这样的: