特征描述符就是通过提取图像的有用信息,并且丢弃无关信息来简化图像的表示。
HOG特征描述符可以将3通道的彩色图像转换成一定长度的特征向量(便于图像识别和目标检测).
注:在梯度中,角度的范围介于0到180度之间,而不是0到360度, 这被称为“无符号”梯度,因为两个完全相反的方向被认为是相同的。
OpenCV-Python接口中使用cv2.findContours()函数来查找检测物体的轮廓。
contours, hierarchy = cv2.findContours(image,mode,method)
image:输入图像
mode:轮廓的模式。
cv2.RETR_EXTERNAL只检测外轮廓;
cv2.RETR_LIST检测的轮廓不建立等级关系;
cv2.RETR_CCOMP建立两个等级的轮廓,上一层为外边界,内层为内孔的边界。如果内孔内还有连通物体,则这个物体的边界也在顶层;
cv2.RETR_TREE建立一个等级树结构的轮廓。
method:轮廓的近似方法。
cv2.CHAIN_APPROX_NOME存储所有的轮廓点,相邻的两个点的像素位置差不超过1;
cv2.CHAIN_APPROX_SIMPLE压缩水平方向、垂直方向、对角线方向的元素,只保留该方向的终点坐标,例如一个矩形轮廓只需要4个点来保存轮廓信息;
cv2.CHAIN_APPROX_TC89_L1,cv2.CV_CHAIN_APPROX_TC89_KCOS
contours:返回的轮廓
hierarchy:每条轮廓对应的属性
注意:cv2.findContours()函数接受的参数为二值图,即黑白的(不是灰度图),所以读取的图像要先转成灰度的,再转成二值图。即:
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 图像灰度化 ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 图像二值化
图像二值化将图像上的像素点的灰度值设置为0或255
cv2.threshold(src, thresh, maxval, type)
对于单通道的灰度图像来说,这个元素就是一个数字。这个数字代表了图像在这个点的亮度,数字越大像素点也就越亮
阈值法是指选取一个数字,大于它就视为全白,小于它就视为全黑。比较暗的晚上,我们需要一个比较低的阈值;局部阈值法假定图像在一定区域内受到的光照比较接近。它用一个滑窗扫描图像,并取滑窗中心点亮度与滑窗内其他区域(称为邻域, neighborhood area)的亮度进行比较。如果中心点亮度高于邻域亮度,则将中心点标记为白色,否则标记为黑色。