计算机视觉基础系列（python与opencv的操作与运用/tensorflow的基础介绍）（十九）---Haar特征

1 引入机器学习 （Haar的引入）

什么是特征？什么是haar特征？

特征是：某个区域的像素点经过某种四则运算得到的结果，这个结果可以是一个向量或者其他的各种元素。（具体值，向量，多维的值，矩阵）本质

Haar特征：具有特征的本质，但是又是一种特殊的特征描述，如下：

 有三个大类，基础类型，核心类型，all类型。

这十四个类型特征，这里的特征描述是：

 特征的公式推导公式，若黑色和白色整体部分的像素值的权重值为1 ，黑色部分的权重值为-2

根据第二个特征则得到特征=白色-黑色

根据第三个特征后面会继续介绍

如何利用特征区分目标？

 区分目标的方法有：阈值判决（大于某种就是，或者说小于某值就是，反之亦然）

知道了如何利用特征，那么怎么得到这个判决呢？

利用机器学习的方法，后面会有详细介绍。 

2 Haar特征遍历的过程

若这里的haar的特征图大小为10x10的图，整幅图像的大小为100x100，则

遍历的时候必须用这个haar特征的模板，从上到下，从左到右遍历一次，再遍历的过程中还必须考虑步长的问题，例如若每次滑动的像素为10，则需要滑动九次，总共为100个模板，若步长为5，则运算量还会扩大四倍。我们这里使用的是模板1。且这里还需要注意的是，模板是可以进行在滑动过程中进行缩放的，但是缩放也是要从上到下，从左到右进行遍历的。 模板的缩放等级在每个模板里面都有20级的。

3 积分图

什么是积分图呢？

 这里的A区域表示的是第一个部分1，B区域表示的是第一个区域加上第二个区域（1+2），C表示的是第一个区域加上第三个区域（1+3），D表示的是第一个区域，第二个区域和第三个区域以及第四个区域的和（1+2+3+4）。

这样A,B,C,D四个区域就可以计算出来了。

然而4 = A-B-C+D只运用了三次加减就可以求出来了，但是我们这里需要把所有的像素遍历一次，还需要将所有区域求一次。