图像分类-笔记

FLANN介绍

 

在计算机视觉和机器学习中，对于一个高维特征，找到训练数据中的最近邻计算代价是昂贵的。对于高维特征，目前来说最有效的方法是the randomized k-d forest和the priority search k-means tree，而对于二值特征的匹配multiple hierarchical clusteringtrees则比LSH方法更加有效。

目前来说，fast library for approximate nearest neighbors库可以较好的解决这些问题。

FLANN库全称是Fast Library for Approximate Nearnest Neighbors，它是目前最完整的（近似）最近邻开源库。不但实现了一系列查找算法，还包含了一种自动选取最快算法的机制。FLANN是一个执行快速近似最近邻搜索的库，FLANN使用C++写成，能够很容易的通过C，MATLAB和Python等绑定提供的库，用在很多环境中。

 

在计算机中，按照颜色和灰度的多少可以将图像分为灰度图像、二值图像、索引图像和RGB图像四种基本类型。在计算机中，通常是以数组(或矩阵)的形式储存图像的。

灰度图像：

灰度图像矩阵元素的取值范围通常为[0.255]，因此其数据类型一般为8位无符号整数的【unit8】，这就是经常提到的256灰度图像。0表示纯黑色，255表示纯白色，中间的数字从小到大表示由黑到白的过滤色。但在某些领域（例如医学成像），要求提供超出【unit8】的动态范围；会采用【unit16】和【int16】数据类型。针对计算灰度的操作（例如傅立叶变换），会使用【double】和【single】类型；如果图像是【double】或【single】数据类型，灰度图像的值通常被归一化标定位【0-1】范围内，0代表黑色，1代表白色，0到1之间的小数表示不同的灰度等级。二值图像可以看成是灰度图像的一个特例。（图像的类型和图像的数据类型是不同的概念，图像的类型代表图像的本身，图像的数据类型只是在计算机上的存储方式而已）