c# jarray 快速提取_图像提取之Haar特征

9月24面试知识总结

计算机视觉算法工程师

图像识别，图像检索、文字识别、图像分类、人脸融合等相关领域的算法研发，性能优化并将算法实现封装为API给应用系统使用。
任职要求：
1、 硕士及以上学历，图像处理、计算机视觉、模式识别相关专业优先；
2、 熟悉当前流行的计算机视觉与模式分类理论;
3、 熟悉常用的图像特征提取方法:Haar、Gabor、LBP、SIFT、HOG等;
4、 熟悉常用的统计和机器学习方法:SVM、Neural Net、Bayes Net、Regression等;
5、 熟悉TF，Pytorch深度学习框架并有项目实践经验者优先;
6、 熟练使用C/C++/C#/Java编程语言的至少一种;
7、 精通Python、OpenCV、Matlab;
8、熟练的英文文献资料阅读能力;
9、工作认真负责,学习能力较强，良好的团队协作能力。

1. 图像处理基本知识，图像的成像，应用领域，matlab与计算机视觉。
2. Haar特征，

Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。但矩形特征只对一些简单的图形结构，如边缘、线段较敏感，所以只能描述特定走向（水平、垂直、对角）的结构。

1. Haar-like特征的计算—积分图

积分图就是只遍历一次图像就可以求出图像中所有区域像素和的快速算法，大大的提高了图像特征值计算的效率。

积分图主要的思想是将图像从起点开始到各个点所形成的矩形区域像素之和作为一个数组的元素保存在内存中，当要计算某个区域的像素和时可以直接索引数组的元素，不用重新计算这个区域的像素和，从而加快了计算（这有个相应的称呼，叫做动态规划算法）。积分图能够在多种尺度下，使用相同的时间（常数时间）来计算不同的特征，因此大大提高了检测速度。

我们来看看它是怎么做到的。

积分图是一种能够描述全局信息的矩阵表示方法。积分图的构造方式是位置（i,j）处的值ii(i,j)是原图像(i,j)左上角方向所有像素的和：