(二)OpenCV特征提取与检测_11_Haar特征

最新推荐文章于 2021-08-17 21:33:49 发布

丶小早

最新推荐文章于 2021-08-17 21:33:49 发布

阅读量253

点赞数

分类专栏：笔记 Opencv 文章标签： opencv

本文链接：https://blog.csdn.net/weixin_45553439/article/details/104368066

版权

本文介绍了OpenCV中的Haar特征检测原理，强调其高类间变异性、低类内变异性以及利用积分图提高计算效率。Haar特征通过白色矩形像素和减去黑色矩形像素和来反映图像灰度变化。文章还提到了积分图的概念，它是快速计算图像区域像素和的算法，加速了特征值计算。最后，文章简要提及了特征匹配的两种方法：暴力匹配和FLANN特征匹配。

摘要由CSDN通过智能技术生成

Haar特征检测(Haar Like Features)
高类间变异性、低类内变异性、局部强度差、不同尺度、计算效率高
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
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。
详见https://www.cnblogs.com/zyly/p/9410563.html
特征匹配
①暴力匹配
②FLANN特征匹配
//暴力匹配(相当于FLANN线性索引匹配)

#include <opencv2/opencv.hpp>
#include <iostream>
#include <opencv2/xfeatures2d.hpp>

using namespace std;
using namespace cv;
using namespace cv::xfeatures2d;

int main(int argc, char** argv)
{
   
	//步骤一：读取图片并将图片灰度化
	Mat src1,