CT之Haar-like&&积分图

一、Haar-like

1、简述：Haar-like被提出时用于人脸识别，通过计算Haar特征值来表示图像灰度值的变化，常见的矩形特征只能表征一些简单的图形，对边缘、线段比较敏感。通常分为三类：边缘特征，线性特征，中心特征和对角特征。

                                                                                                            

2.在上图中，我们把每个图称为特征模板。我们对Haar特征值的定义是：一幅图像中所有白色区域的像素的和减去所有黑色区域像素的和。Haar特征也是基于灰度图的

我们把特征模板放在我们要处理的图像上，改变特征模板的大小和位置，以此来获取特征值。

注意：对于2-（a）的特征值的计算：v=sum（白）-2*sum（黑） 乘上2的目的是保证黑白像素个数保持一致

ps：opencv中有封装的HAAR 和 adaboost

二、积分图

目的（和Haar的关系）：加快Haar特征值的计算速度

1、构造积分图

积分图的构造方式是位置（i,j）处的值ii(i,j)是原图像(i,j)左上角方向所有像素的和：

                       

1）用s(i,j)表示行方向的累加和，初始化s(i,-1)=0;

2）用ii(i,j)表示一个积分图像，初始化ii(-1,i)=0；//保证图像区域外的像素值都是0

3）逐行扫描图像，递归计算每个像素(i,j)行方向的累加和s(i,j)和积分图像ii(i,j)的值

s(i,j)=s(i,j-1)+f(i,j) //f(i,j)位置上的像素值加上他左边的所有像素值

ii(i,j)=ii(i-1,j)+s(i,j) //这一行上面所行的像素加上这一行的像素 列数小于等于j

4）扫描图像一遍，当到达图像右下角像素时，积分图像ii就构造好了。

后续会把代码附上。。。。