pww区域连接特征提取算法

主题思想：
任何一个图像 肯定由多个或一个区域
每个区域在横向扫描时 会有分裂和合并 比如圆环 顶部有一个分裂点 底部有一个合并点
没有分裂合并的图形 就是简单的凸图像
很容易通过外形识别
而复杂的图像 就是凹的 就需要分裂合并点来识别
旋转30度 60度 90度 120，150 得到的分裂合并点序列是不同的 可以通过分析分裂合并点可以获得角点

区域连接特征：
重心和中心的偏置对宽高的比例 和方向
分裂合并点位置 和重心位置的比例 除以区域面积
亮度和区域面积的比
重心的偏移方向 与新图片的grvDirect相减=基准数据 基准数据+特征点的方向==新特征点方向
如果图形复杂 需要使用决策树内嵌 svm 最近邻等等算法来综合分析分裂合并特征点
如果简单 基本就区域特征搞定了

图像特征：
合并区域，求图像重心，根据图像重心和中心的角度比例，重新计算各个区域的特征点和方向。
图像比较时按区域大小排列进行各个特征点对比区域的相似度。
区域的分裂与合并的判断也变得很容易了。

应用领域：
视频的背景提取，提取帧差的区域，过滤该区域计算背景。目前实现的效果超好，速度超快。目前现阶段是最好的背景前景提取算法。
物体或个体的数目统计，该算法仅仅遍历一次图像像素点，因此性能好，可以处理超大图片。
角点检测匹配图像。
图像智能分析识别方面，把特征点归一化和旋转处理后的特征进行训练。用决策树或svm等人工智能模型进行预测。包括人脸识别，行人识别，指纹识别。ocr字符识别等等。
网页认证校验码识别 二维码识别等等
区域比较时，特征点按角度排序，识别时加上基准进行排列对比，得到相似度。
比较好的比较方式是：先做区域分析出重心的偏移角度 然后再旋转这个角度后重新做区域分析，得出的特征点进行对比。

训练图片：
1、一般训练图片，重心位置相差不大，如人脸，但是由于各种表情 重心轻微变化。因此，重心是第一特征，变化大的，就记录下来观察原因。
2、全角点检测，采用360度 每隔120度做一次旋转后分析区域的得到的角点进行保留。全部特征去掉重复的，并标记各次旋转的特征点击中率。去掉击中率为1的，仅仅是分裂合并点。

预测图片：
1、区域分析一次，先比较重心位置，然后比较分裂合并特征点满足度。
2、如果重心位置偏差太多，就仅仅比较角点满足度。或者校正重心角度重新区域分析后进行特征点对比。
3、全角度分析过，就直接分析角点满足度，因角点位置是相对重心位置的，因此不必要比较重心了。

区域和图片对比：
区域可能是图片的一部分，这时候重心就变成大问题了。这只能使用flann最近邻搜索。任意选点 求出各点和它的距离排序，循环图片的点和周围点的距离 进行比较 得到到最相似的一段。
图片包含多个区域，另一个大图片搜索这个图片的情况，怎么办？
大图中 先采用最近的区域合并求重心 分别和小图片的区域合并的重心对比 找到区域合并分裂的情况。然后各个区域进行特征点匹配。
不管是怎么比，规则是从最大的区域开始比较。

全角点检测：
1、旋转后 区域重心也旋转了，重心来识别区域id，根据id编号来添加新发现的角点和统计角点击中率。
2、可以根据角点数量来分析区域是否分裂为几个区域。区域面积累加做分析。

demo:
红色是重心 黄色是中心 绿色是从分裂合并点里分析出的角点 蓝色是分裂合并点

视频的设置参数
minConnNum = 5; //水平扫描连接数  如果是水平运动方向 越大越防止抖动 但是精度也降低
minInterval = 3; //垂直方向最小间隔 断连接数
noConnNum = 3; //水平扫描过程 断连接数 
dCorner = 0.666; //角度检测 类似checkCorner*180;度以内的角点 
alpha1 = 0.15; //初始背景加入比例
alpha2 = 0.05; //画面稳定后的背景图加入比例
iNoise = 20; //噪点像素大小 面积=iNoise*iNoise
diffPercent = 0.9; //背景变化百分比到多少 就重新开始背景分析
frameNum = 40; //开始背景分析的帧数 用alpha1中和背景图
brightness = 0;
contrast = 0;
for (int i=0;i<4;i++)
{
iThd[i] = 40; //rgb三像素阈值
iWeight[i] = 1; //权重
}
//rgb适配
bool CpwwRegionConnect::rgbAdapt(uchar*& ptr, int& iValue, int iChannel, const S_BgParam& params)
{
int rayvalue=0;
for( int i=0;i<iChannel;i++){
iValue += *ptr;
rayvalue += ((bool)(*ptr++ > params.iThd[i]))*params.iWeight[i];
}

return rayvalue;
}

原文：http://bbs.csdn.net/topics/390835367

演示程序地址：

http://download.csdn.net/user/pww71

源码：https://sourceforge.net/projects/pwwregionfe/?source=navbar