【计算机视觉】5.常用的图像特征描述

最新推荐文章于 2024-06-26 09:39:39 发布

zxfhahaha

最新推荐文章于 2024-06-26 09:39:39 发布

阅读量1w

点赞数 2

分类专栏：计算机视觉文章标签：计算机视觉

本文链接：https://blog.csdn.net/zxfhahaha/article/details/80145415

版权

本文介绍了计算机视觉中常用的图像特征描述，包括颜色特征（通过颜色直方图描述）、纹理特征以及形状特征。重点讲解了SIFT（尺度不变特征变换）和HOG（方向梯度直方图）算法，包括它们的优点、步骤以及在OpenCV中的实现。SIFT特征点提取快速，对图像变换鲁棒；HOG特征适用于人体检测，对图像形变保持不变性。

摘要由CSDN通过智能技术生成

之前学过的机器学习都是对一些有标签的数据通过分类器进行学习，那么对带标签的图像如何进行学习呢？
如果我们用一些特征来描述这些图片则也可以进行机器学习，因此我们来介绍几种常用的图像特征描述。（虽然现在有了CNN，CNN可以自己进行特征提取，但还是需要对OPenCV传统的特征提取方法有一些了解的）

我们对特征的描述是根据最后的应用场景设计特征，如应用场景更关心颜色则用颜色特征，因此无普适性（但是CNN可以自适应学习出相应的特征）。

颜色特征

什么是颜色特征

颜色特征是图像检索中应用最为广泛的视觉特征。

如何描述颜色特征

我们可以通过颜色直方图来描述颜色特征。
从512x512的灰度图像中提取维度为k的颜色直方图，就是讲256种灰度颜色分为k个区间，然后计算每个区间中像素点总数为多少。

举个例子

import cv2
import numpy as np
img_gray_data = cv2.imread('./images/messi.jpg', cv2.IMREAD_GRAYSCALE)

hist, bins = np.histogram(img_gray_data.ravel(), bins=50