积分图计算

最新推荐文章于 2024-10-14 10:03:34 发布

andylan_zy

最新推荐文章于 2024-10-14 10:03:34 发布

阅读量1.2k

点赞数

分类专栏：特征提取与检测

本文链接：https://blog.csdn.net/andylanzhiyong/article/details/84726347

版权

积分图，又称Summed Area Table，是图像处理中的重要工具，由Paul Viola提出用于加速Haar特征计算。它能减少重复计算像素值的次数，常用于Haar特征、均值滤波和二值化等操作。通过积分图，可以实现自适应阈值化，降低运算复杂度。积分图的每个点存储其左上角所有像素之和，且大小为(W + 1) X (H + 1)，确保边界处理的正确性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

积分图及其应用

　　Paul Viola提出一种利用积分图快速计算Haar特征的方法（《Rapid object detection using a boosted cascade of simple features》）。Haar特征的计算需要重复计算目标区域的像素值，使用积分图能大大减少计算量，达到实时计算Haar特征的目的。简单来说，就是先构造一张“积分图”（integral image），也叫Summed Area Table，之后任何一个Haar矩形特征都可以通过查表的方法（Look Up Table）和有限次简单运算得到，大大减少了运算次数。所以但凡需要重复计算目标区域内像素值和的场合，积分图都能派上用场。

积分图是图像中十分常用的方法，最初是在Haar特征的快速计算中学到（参考博文：利用积分图像法快速计算Haar特征），后来发现在均值滤波，二值化等图像处理方法中也十分常见。如使用积分图像实现自适应阈值化：

自适应阈值是一种局部方法。它的原理是根据每个像素的邻域（如5x5）计算阈值，如将每个像素的值与指定的邻域的平均值进行比较，如果某像素的值与它的局部平均值差别很大，就会被当作异常值在阈值化过程中被分离。

如若不采用积分图像，则每个像素比较时，都需要进行5x5次加法运算；而采用积分图像，运算复杂度不随邻域大小而改变