OpenCV学习笔记（二）Harr特征

1. 什么是Haar级联

Haar级联是基于Haar特征的级联分类器(弱分类器的串联，可用于创建强分类器）。

Haar特征(Haar级联的另一个重要部分)

要想计算区域ABCD的Haar特征，只需计算该区域中白色像素和灰色像素之间的差异。正如我们从四个图中看到的，我们用不同的模式来构建Haar特征。还有许多其他模式也可以被采用。我们在多个尺度上执行此操作以使系统尺度不变。当说到多尺度时，我们只是缩小图像以便再次计算相同的特征。这样可以使其对特定对象的大小变化具有鲁棒性。

2.什么是积分图像

为了提取这些Haar特征，需要计算包含在图像的许多矩形区域中的像素值的总和。如果你想构建一个可以实时运行的系统，就不能在计算上花费太多时间。我们需要找到一种方法来避免面积计算期间的这种巨大冗余，因为我们会多次迭代相同的像素。为了避免这种情况，可以使用积分图像。积分图像可以以线性时间初始化（仅在图像上迭代两次），然后通过只读取四个值来提供任何大小的任何矩形内的像素之和。

求矩形面积：ABCD=AC–（AB+AD–AA）

原图f->积分图II(简化计算)

公式：II(i,j)=II(i-1,j)+II(i,j-1)+f(i,j)-II(i-1,j-1)