Camera和Image sensor技术基础笔记(9) -- 积分图像（Integral Image）的理解（非公式）

积分图像是什么

        积分图像是一种在图像中快速计算矩形区域和的方法，在1984年由Crow提出。一旦积分图像首先被计算出来，就可以在常量时间内计算图像中任意大小矩形区域的和。在图像模糊、边缘提取、对象检测的时候极大降低计算量、提高计算速度。

积分图像原理

        在一个积分图像中，一个像素的值是其左边和上边的像素的值的和，我们举个例子来说明。

        上图左边是原始的输入图像数据，右边是其对应的积分图像。可以看出积分图像的左边和顶部都扩展了一个像素单位，多出来的格子中填0，以便计算积分图像像素值。我们假设坐标（x，y）表示像素的行号和列号，下标从1开始，那么位于（2,1）的像素在积分图像中的位置会变成（3,2），同理，坐标(2,2)的像素在积分图像中位置变成(3,3)。

        下面描述用IntImage(x,y)表示积分图像中坐标为x，y的像素的值，用RawImage(x,y)表示原始图像中坐标为x，y的像素的值。

        我们从IntImage(2,2)开始看，这个点对应RawImage(1,1),左边和上边都没有像素，因此其值就是RawImage(1,1) = 1。

        对于IntImage(2,3),其对应RawImage(1,2),左边有像素，上边没有，其值是左边的RawImage(1,1) + RawImage(1,2) = 1 + 5 = 6。

        对于IntImage(3,2),对应RawImage(2,1)，左边没有像素，上边有RawImage(1,1)，因此其值就是RawImage(1,1) + RawImage(2,1) = 1 + 2 = 3。

        对于IntImage(3,3),对应RawImage(2,2)，左边有RawImage(2,1)，上边有RawImage(1,2)，加上左上角的RawImage(1,1)，因此其值是RawImage(1,1) + RawImage(1,2) + RawImage(2,1)  +RawImage(2,2)= 1 + 5 + 2 + 4 = 12。

        上面这种方式说明的是积分图像像素的值和原始图像值的对应关系。

        实际在使用积分图像时，如果我们想要计算某块区域的像素值的和，如下图浅蓝色区域：

        

        我们以几何的方式来理解积分图像某个点的值的意义：

坐标 - 值	值的几何意义
（3,5）- 22	以点为矩形右下点，向左和向上走所围出的矩形的像素值的和，即 左上：(1,1),   左下(3,1) 右上：(1,5),   右下(3,5) 这四个点围出的矩形中所有像素的值的和，我们可以将这个和类比为矩形面积（不是用长*宽，而是像素值求和代表面积值）
(3,3)   - 10	以点为矩形右下点，向左和向上走所围出的矩形的像素值的和，即 左上：(1,1),   左下(3,1) 右上：(1,3),   右下(3,3) 这四个点围出的矩形中所有像素的值的和，我们可以将这个和类比为矩形面积（不是用长*宽，而是像素值求和代表面积值）
（5,3）- 20	以点为矩形右下点，向左和向上走所围出的矩形的像素值的和，即 左上：(1,1),   左下(5,1) 右上：(1,3),   右下(5,3) 这四个点围出的矩形中所有像素的值的和，我们可以将这个和类比为矩形面积（不是用长*宽，而是像素值求和代表面积值）
（5,5）- 46	以点为矩形右下点，向左和向上走所围出的矩形的像素值的和，即 左上：(1,1),   左下(5,1) 右上：(1,5),   右下(5,5) 这四个点围出的矩形中所有像素的值的和，我们可以将这个和类比为矩形面积（不是用长*宽，而是像素值求和代表面积值）

        我们以类比于矩形面积的方式来看，记点(x,y)的面积为S(x,y)，现在要求蓝色区域的面积S，从图形上可以看出： S = S(5,5) - S(3,5) - S(5,3) + S(3,3) = 14（其中S(3,3)因为减了两次，所以加回来一次)。

        对于(5,5)这个点，想要得到单个点的值P，同样可以按照面积的理解方式来计算：

        P = S(5,5) - S(4,5) - S(5,4) + S(4,4) = 4

参考

Integral Image- MATLAB & Simulink