python+OpenCV Harr特征

‘’’
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
‘’’