概述
本节详细介绍了视觉工程中的特征是什么,提取特征是什么意思。
一、定义介绍
视觉工程中特征是个非常重要也很常见的一个名词。所谓的特征,其实就是人为规定的一种用于表示2D、3D信息某一些属性的量,区别于原本的2D、3D信息,特征对原本信息进行了人为规定的一些处理。简单点可以是加减、多个信息取平均变成一个信息(比如多个点合成一个点),或者进行一些复杂的数学变换等。
特征提取和算特征还不是一回事,提取就像是过滤,只把需要的特征留下。就好比一幅图,只需要像素值大于100的像素,这就是提取特征,而像素值就是特征。其实啰嗦点说提取就是拿出满足条件的特征来用。
二、功能作用
①最主要的作用就是提取出我们需要的信息,为下一步的处理作准备。
②其次可以加快计算,比如两幅图比较,定义5x5个像素的像素值和作为一个特征,然后再进行比较就比直接比较像素值要快很多。
三、原理解读
所谓的特征提取,分两部分来看,分别是计算特征和提取。
我们以上图所示(假设为9x9的)2D图片举例,该图片以左上为零点,每个像素包含坐标
(
x
,
y
)
(x,y)
(x,y)与像素值
p
p
p这两种信息。(我们按照一般情况,设黑色像素值为0,白色像素值为255)。
将该图片以矩阵的形式写出,矩阵序号为对应
x
x
x、
y
y
y,矩阵如下
[
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
255
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
]
(
矩阵
A
1
)
\begin{bmatrix} 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 255 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0 \end{bmatrix} \tag{矩阵$A_1$}
⎣
⎡00000000000000000000000000000000000000002550000000000000000000000000000000000000000⎦
⎤(矩阵A1)
特征
特征,其实像素值也可以看作是一种特征,这里的
(
x
,
y
)
(x,y)
(x,y)就是特征的序号。不仅如此,我们也可以将9x9的图划分成是以3x3的像素的均值作为特征,就可以变成如下形式的矩阵
A
2
A_2
A2,这个操作就是计算特征。
[
0
0
0
0
28.3
0
0
0
0
]
(
矩阵
A
2
)
\begin{bmatrix} 0 & 0 & 0 \\ 0 & 28.3 & 0 \\ 0 & 0 & 0 \end{bmatrix} \tag{矩阵$A_2$}
⎣
⎡000028.30000⎦
⎤(矩阵A2)
特征本质上相当于人为规定一个值来描述该部分的特征,比如坐标可以是一种特征,以一个点为中心,领域2单位内的点坐标取平均值也可以看作一种特征;而计算特征就是算出这个规定好的值。特征是人为定义的,根据不同的需求特征的计算也不同。
提取
提取指的是你已经有了各个部分的特征,但只拿出比如说坐标 x > 0 , y > 0 x>0,y>0 x>0,y>0的部分作为后面比较的特征,这个叫做提取。本例中,假设我只要提取像素值 p p p大于20的特征,那么,矩阵 A 2 A_2 A2中只有 A 2 [ 1 ] [ 1 ] A_2[1][1] A2[1][1]才是提取出来的特征,其他的特征就被我们忽略了,这一过程其实就类似于过滤。
来自:九七的视觉工程
作者原创文章,文章版权归本文作者所有,未经作者同意请勿以任何方式进行复制、转载等盗版操作,请勿用于商业、违法用途!违者自行承担法律责任!