‘’’
opencv_机器学习-Haar特征
1.特征:图像中某个区域的像素点经过计算后得到的结果,本质是像素的计算结果
特征可以是:
(1)具体的值
(2)向量
(3)矩阵
(4)多维的数据
2.如何利用特征区分目标
(1)阈值判别,最简单的判断方法
3.如何得到判决
通过机器学习得到判决门限
‘’’
‘’’
Harr特征计算公式
公式1:特征=白色-黑色
假设整个区域权重1=1,黑色部分权重2=-2
公式2:特征=整个区域权重1+黑色权重2
=(黑+白)1+黑(-2)
=白色-黑色
公式3:特征=(p1-p2-p3+p4)w
‘’’
‘’’
1.模板滑动
计算当前图片所有点的Harr特征,就要从上到下,从左到右依次遍历
遍历过程中要考虑图片大小和模板大小
例如图片大小100100,模板大小1010,总共需要100个模板才能把当前的Harr特征计算完毕
(1)图片大小100100(2)模板大小1010(3)step 10(4)模板1即基础组中的第一个模板
2.模板缩放
1010->1111 20级总共需要缩放20次
举例:图片大小1080720 step=2 模板大小1010
当前计算量 = 14(模板数)20(20级缩放)(1080/2720/2)*(100个点的加减运算)=50-100亿次
‘’’
‘’’
积分图
1代表A区域,2代表B区域,3代表C区域,4代表D区域
对应公式3:特征=(p1-p2-p3+p4)*w
A区域是整个图像左上角,B区域包含了上半部分即A+B
C区域代表了左半区域即A+C
D区域代表了整个区域即A+B+C+D
‘’’
python+OpenCV Harr特征
最新推荐文章于 2024-05-16 10:10:50 发布