CV | 图像处理、目标检测之各种方法总结

简介

这篇博客想写的东西非常杂，到现在我还不知道应该怎么组织或者说怎么把想写的东西贯穿起来。

最开始，我是想看一些矩形检测的算法，比较传统的肯定是基于HOUGH变换，基于角点，然后考虑角度、对边等矩形的特征，限制数据点；

接着，我想知道，除了霍夫和角点，有没有别的，易于检测的特征，能够让我借用在矩形检测算法上，或者，能否对算法本身做一些改进或者融合，于是，我看到了Harr特征，并且看到了一些类似区域生长和霍夫结合的方法；

然后，我发现区域生长似乎是一个对局部解很良好的办法，于是我去搜了下他的步骤和特征，然后神奇的发现，LSD直线检测，竟然用的就是区域生长算法，怪不得他对局部解良好；

所以，兜兜转转，世界就这么大，方法，似乎也就这么多，焦不离孟孟不离焦。

以此总结。

总结

由于放到一篇文章里显得太多太杂，因此分为三篇小文章。

1. 图像特征提取的方法

CV | 图像特征提取的方法

2. 直线检测的方法

CV | 直线检测的方法

3. 区域生长算法

CV | 区域生长算法