使用scikit-image feature计算图像特征与常见特征示例

目录

canny

corner_harris

greycomatrix

greycoprops

hog

local_binary_pattern

---

scikit-image feature是一个强大的python可以调用的计算特征库。对于常见的图像特征可以直接调用scikit-image feature中封装好的函数来计算，速度也比自己编写的函数快（别问我怎么知道的，心塞了）。

具体来说有以下特征：

skimage.feature.blob_dog（image，min_sigma，...）	在给定的灰度图像中查找斑点。
skimage.feature.blob_doh（image，min_sigma，...）	在给定的灰度图像中查找斑点。
skimage.feature.blob_log（image，min_sigma，...）	在给定的灰度图像中查找斑点。
skimage.feature.canny（图片，西格玛，...）	使用Canny算法边缘过滤图像。
skimage.feature.corner_fast（image，n，...）	提取给定图像的FAST角点。
skimage.feature.corner_foerstner（image，sigma）	计算Foerstner角落测量响应图像。
skimage.feature.corner_harris（image，...）	计算哈里斯角度测量响应图像。
skimage.feature.corner_kitchen_rosenfeld（图像）	Compute Kitchen和Rosenfeld角落测量响应图像。
skimage.feature.corner_moravec（图片，...）	计算Moravec角落测量响应图像。
skimage.feature.corner_orientations（图片，...）	计算拐角的方向。
skimage.feature.corner_peaks（image，...）	在角落测量响应图像中找到角点。
skimage.feature.corner_shi_tomasi（image，sigma）	计算Shi-Tomasi（Kanade-Tomasi）角落测量响应图像。
skimage.feature.corner_subpix（图像，角落）	确定拐角的亚像素位置。
skimage.feature.daisy（img，step，radius，...）	为给定图像密集提取DAISY特征描述符。
skimage.feature.draw_multiblock_lbp（img，r，...）	多块本地二进制模式可视化。
skimage.feature.greycomatrix（image，...，...）	计算灰度共生矩阵。
skimage.feature.greycoprops（P，道具）	计算GLCM的纹理属性。
skimage.feature.hessian_matrix（图片，...）	计算Hessian矩阵。
skimage.feature.hessian_matrix_det（image，...）	计算图像上的近似Hessian行列式。
skimage.feature.hessian_matrix_eigvals（Hxx，...）	计算Hessian矩阵的特征值。
skimage.feature.hog（图像，方向，...）	提取给定图像的定向梯度直方图（HOG）。
skimage.feature.local_binary_pattern（image，P，R）	灰度和旋转不变LBP（局部二元模式）。
skimage.feature.match_descriptors（...，...）	描述符的蛮力匹配。
skimage.feature.match_template（图片，模板）	使用归一化相关将模板匹配到2-D或3-D图像。
skimage.feature.multiblock_lbp（int_image，r，...）	多块本地二进制模式（MB-LBP）。
ski