matlab图像特征提取

图像的边缘检测：图像的边缘：指图像周围像素灰度急剧变化的那些像素的集合，存在于目标，背景和区域之间。首先检测图像中的边缘点，再按照某种策略将边缘点连接成轮廓，从而构成分割区域。可以分为俩种,一种为阶跃状边缘（边缘俩边像素的灰度值明显不同），另外为屋顶状边缘（边缘处于灰度值由小到大再到小变化的转折点处。

edge函数：BW=edge（I,method，threshold） 功能:对所输入的灰度图像进行边缘检查 

输入：I 输入的灰度图像；method 进行边缘检测的方法，可以设置为sobel、prewitt、roberts、log、zerocross、canny；threshold 所设定的阈值

输出：BW 经过边缘检查后的二值图像。

Canny算子：

Canny 的目标是找到一个最优的边缘检测算法，最优边缘检测的含义是：

好的检测- 算法能够尽可能多地标识出图像中的实际边缘。

好的定位- 标识出的边缘要尽可能与实际图像中的实际边缘尽可能接近。

最小响应- 图像中的边缘只能标识一次，并且可能存在的图像噪声不应标识为边缘。

为了满足这些要求 Canny 使用了变分法，这是一种寻找满足特定功能的函数的方法。最优检测使用四个指数函数项的和表示，但是它非常近似于高斯函数的一阶导数。

主要分为四部分：第一：去噪声，第二：计算梯度值与方向角，第三：非最大值抑制，第四滞后阈值化。

prewitt算子

Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用 。其原理是在图像空间利用两个方向模板与图像进行l邻域卷积来完成的，这两个方向模板一个检测水平边缘，一个检测垂直边缘。

对数字图像f(x，y)，Prewitt算子的定义如下：

G(i)=|[f(i-1,j-1)+f(i-1,j)+f(i-1，j+1)]-[f(i+1,j-1)+f(i+1，j)+f(i+1，j+1)]|

G(j)=|[f(i-1,j+1)+f(i,j+1)+f(i+1，j+1)]-[f(i-1,j-1)+f(i,j-1)+f(i+1，j-1)]|

则 P(i,j)=max[G(i),G(j)]或 P(i,j)=G(i)+G(j)

经典Prewitt算子认为：凡 灰度 新值大于或等于阈值的像素点都是边缘点。即选择适当的阈值T，若P(i,j)≥T，则(i,j)为边缘点，P(i,j)为边缘图像。这种判定是欠合理的，会造成边缘点的误判，因为许多噪声点的灰度值也很大，而且对于幅值较小的边缘点，其边缘反而丢失了。

角点：角点是两个边缘的交点，角点是领域内具有两个主方向的特征点，角点所在的领域通常也是图像中稳定的、信息丰富的区域。

角点特征检测：
目前的角点检测算法可归纳为3类：基于灰度图像的角点检测、基于二值图像的角点检测、基于轮廓曲线的角点检测。角点是图像很重要的特征，对图像图形的理解和分析有很重要的作用。对灰度图像、二值图像、边缘轮廓曲线的角点检测算法进行综述，分析了相关的算法，并对各种检测算法给出了评价。
1.准确性：即使很细小的角点，算法也能检测到；
2.定位性：检测到的角点应尽可能地接近它们在图像中的真实位置；
3稳定性：对相同场景拍摄的多幅图片，每一个角点的位置都不应该移动；
4.实时性：角点检测算法的计算量越小、运行的速度越快越好；
5.鲁棒性：对噪声具有抗干燥性。

人眼对角点的识别通常是在一个局部的小区域或小窗口完成的。如果在各个方向上移动这个特征的小窗口，窗口内区域的灰度发生了较大的变化，那么就认为在窗口内遇到了角点。如果这个特定的窗口在图像各个方向上移动时，窗口内图像的灰度没有发生变化，那么窗口内就不存在角点；如果窗口在某一个方向移动时，窗口内图像的灰度发生了较大的变化，而在另一些方向上没有发生变化，那么，窗口内的图像可能就是一条直线的线段。

对于图像I(x,y