机器视觉的图像特征提取技术分析
区域和轮廓只包含对分割结果的原始描述，在实际应用中我们还需要从区域或轮廓中确定一个或多个特征量。这些确定的特征量被称为特征。
确定特征的过程被称为图像特征提取。
一、概述
1.图像特征的分类
（1）图像的视觉特征
边缘、轮廓、形状、纹理和区域等。
（2）图像的统计特征
灰度直方图特征、矩特征，其中矩特征包括均值、方差、峰度及熵特征等。
（3）图像变换系数特征
傅立叶变换、离散余弦变换、小波变换等。
（4）图像代数特征
矩阵的奇异值
2. 特征提取与特征选择
（1）特征选择
从一组特征中挑选出一些最有效的特征，以达到降低特征空间维数的目的。
（2）特征提取
对原始特征进行变换得到的这些有利于分类、更本质、更少的新特征的过程。
二、兴趣点提取
1.什么是兴趣点
兴趣点是指图像信号在二维空间上发生变化的区域，通常情况下包括拐角点、交点和纹理等显著变化区域。
2.兴趣点标定的方法
（1）基于轮廓线的方法
轮廓线具有曲率变化的特征，可归类为结点，端点等类型。如在图像中寻找脊和谷的方法对兴趣点进行标定。
（2）基于图像强度的方法
信号的自相关函数检测特征点，灰度值的差大于某个门限时即认为该点是兴趣点。
（3）基于参数模型的方法
使用高斯卷积模型对拐角进行识别， 使用最小化方法，使得模板与观测信号最佳匹配。
3.兴趣点的表达方法
（1）尺度不变特征变换（scale-invariant feature transform，sift）
使用了128维的向量对兴趣点特征进行表达，该向量通过lowe建立的码表形成。该方法可以做到缩放不变、亮度不变的特性。
（2）可控滤波器和梯度不变方法
使用高斯滤波器的方法求图像的梯度，具有长度为13的维数。
（3）区域矩不变特性
通过改变统计矩的组合，适用于图像的多种不变特性的应用。
（4）频域分析法
通过gabor滤波器来捕捉图像在频率和方向上的细微变化，描述的维度很高。
三、harris角点算法
1.概述
当滑动窗口处于一个兴趣点发生的地方，无论从哪个方向移动该窗口，都会发生图像强度（灰度值）的剧烈变化。
基于图像灰度的方法通过计算点的曲率及梯度来检测角点，避免了第一类方法存在的缺陷，此类方法主要有moravec算子、forstner算子、harris算子、susan算子等。
2.原理
图像窗口滑动后灰度值变化计算：
小距离窗口滑动近似计算：
首先采用sobel算子计算出梯度ix和iy，再逐点计算其乘积，最后使用高斯窗对该乘积图像的所有像素点进行卷积即可。
3.matlab编程实现
img=imread('f:lena.png');imshow(img);img = rgb2gray(img);
%转换为灰度图像img =double(img);[m n]=size(img);
%获取图像尺寸tmp=zeros(m+2,n+2);
%创建空矩阵tmptmp(2:m+1,2:n+1)=img;
%将img赋值给tmp矩阵ix=zeros(m+2,n+2);iy=zeros(m+2,n+2);e=zeros(m+2,n+2);
%创建空矩阵ix,iy,eix(:,2:n)=tmp(:,3:n+1)-tmp(:,1:n-1);
%求横向梯度iy(2:m,:)=tmp(3:m+1,:)-tmp(1:m-1,:); %求纵向梯度 ix2=ix(2:m+1,2:n+1).^2;
%求梯度方向乘积iy2=iy(2:m+1,2:n+1).^2;ixy=ix(2:m+1,2:n+1).*iy(2:m+1,2:n+1);
h=fspecial(‘gaussian’,[7 7],2);
%使用高斯核进行加权ix2=filter2(h,ix2);iy2=filter2(h,iy2);ixy=filter2(h,ixy);rmax=0;r=zeros(m,n);for i=1:m
for j=1:n
m=[ix2(i,j) ixy(i,j);ixy(i,j) iy2(i,j)];
r(i,j)=det(m)-0.06*(trace(m))^2;
%计算角点量
if r(i,j)>rmax
rmax=r(i,j);
%阈值判断
end
endend
re=zeros(m+2,n+2);tmp(2:m+1,2:n+1)=r;img_re=zeros(m+2,n+2);img_re(2:m+1,2:n+1)=img;for i=2:m+1
for j=2:n+1
if tmp(i,j)>0.02*rmax &&...
tmp(i,j)>tmp(i-1,j-1) && tmp(i,j)>tmp(i-1,j) && tmp(i,j)>tmp(i-1,j+1) &&...
tmp(i,j)>tmp(i,j-1) && tmp(i,j)>tmp(i,j+1) &&...
tmp(i,j)>tmp(i+1,j-1) && tmp(i,j)>tmp(i+1,j) && tmp(i,j)>tmp(i+1,j+1)
img_re(i,j)=255;
%标记角点
end
endendimg_re=mat2gray(img_re(2:m+1,2:n+1));figure,imshow(img_re);
%恢复并显示图像
四、直线提取
1.hough变换原理
在图像空间xy里，设所有过点（x,y）的直线都满足方程：
式中，p为直线的斜率，q为直线的截距。也可以写成：
式中表示参数空间pq中过点（p,q）的一条直线。图像空间到参数空间之间的转换可以用图表示：
2.直线提取原理
开始时，置数组a为零，然后对每一个图像空间中的给定点，让θ取遍区间上所有可能的值，并根据直线公式算出对应的ρ，再根据和的值（设都已经取整）对a累加：
对图像遍历后，上式的值就是在点（θ，ρ）处共线点的个数。值（θ，ρ）也给出了直线方程的参数，这样就得到了点所在的线。
3.matlab编程实现
img = imread(rg.bmp');figure(1),subplot(1,2,1);imshow(img); title('原始图像');img=rgb2gray(img);
% 灰度图像subplot(1,2,2);imshow(img); title('灰度图像'); thresh=[0.01,0.10];
%敏感度阈值sigma=3;
%定义高斯参数 f = edge(double(img),'canny',thresh,sigma); %边缘检测figure(2),imshow(f); title('canny 边缘检测'); % 检测函数；[h, theta, rho]= hough(f,'theta', 20:0.1:75);
%0-1% h->累计数组 ， thetah:对应的θ，实际上h的大小就是rho×theta% rho：h对应的ρ peak=houghpeaks(h,1);
%峰值提取hold on %保留当前的图和特定的坐标轴属性，以便后续的绘图命令添加到现有的图表。lines=houghlines(f,theta,rho,peak);
%得到线段信息 figure(3);imshow(f,[]);title('霍夫变换检测结果');hold on ;for k=1:length(lines)
xy=[lines(k).point1;lines(k).point2];
plot(xy(:,1),xy(:,2),'linewidth',4,'color',[.6 .6 .6]); end
符合PMBus标准的降压DC/DC转换器模块的介绍
喜报|光点科技获得广东省“专精特新”企业认定
iOS13曝光 调节音量时会以弹窗形式出现并新增夜间模式
一种可应用于工作电池的实时测定方法
麻醉机的主要结构有哪些 如何进行工作的
机器视觉的图像特征提取技术分析
截至2018年底，中国占全球晶圆厂产能的12.5％
苹果透过导入国内供应链，发挥鲶鱼效应压低生产成本
带数字控制器的多相降压变换器设计
高功率充电桩中的大电流元件哪里找？
如何挑选爬坡性能好的电动车
基于CMOS阈值电压的基准电路设计
Perl语言入门教程
Mozilla检测到Firefox出现了大量崩溃事件
什么是驱动DDR5 有什么新功能
电气火灾监控系统在建筑防火中的研究与应用
百元耳机听个响？NANK南卡T2动圈+动铁双单元耳机强悍来袭！
一文教你如何画好电气图
浅析安全PLC-数学函数 ADD：加 (STEP 7 Safety V17)
华鼎国联将投资10亿元设立“电池银行”
确定特征的过程被称为图像特征提取。
一、概述
1.图像特征的分类
（1）图像的视觉特征
边缘、轮廓、形状、纹理和区域等。
（2）图像的统计特征
灰度直方图特征、矩特征，其中矩特征包括均值、方差、峰度及熵特征等。
（3）图像变换系数特征
傅立叶变换、离散余弦变换、小波变换等。
（4）图像代数特征
矩阵的奇异值
2. 特征提取与特征选择
（1）特征选择
从一组特征中挑选出一些最有效的特征，以达到降低特征空间维数的目的。
（2）特征提取
对原始特征进行变换得到的这些有利于分类、更本质、更少的新特征的过程。
二、兴趣点提取
1.什么是兴趣点
兴趣点是指图像信号在二维空间上发生变化的区域，通常情况下包括拐角点、交点和纹理等显著变化区域。
2.兴趣点标定的方法
（1）基于轮廓线的方法
轮廓线具有曲率变化的特征，可归类为结点，端点等类型。如在图像中寻找脊和谷的方法对兴趣点进行标定。
（2）基于图像强度的方法
信号的自相关函数检测特征点，灰度值的差大于某个门限时即认为该点是兴趣点。
（3）基于参数模型的方法
使用高斯卷积模型对拐角进行识别， 使用最小化方法，使得模板与观测信号最佳匹配。
3.兴趣点的表达方法
（1）尺度不变特征变换（scale-invariant feature transform，sift）
使用了128维的向量对兴趣点特征进行表达，该向量通过lowe建立的码表形成。该方法可以做到缩放不变、亮度不变的特性。
（2）可控滤波器和梯度不变方法
使用高斯滤波器的方法求图像的梯度，具有长度为13的维数。
（3）区域矩不变特性
通过改变统计矩的组合，适用于图像的多种不变特性的应用。
（4）频域分析法
通过gabor滤波器来捕捉图像在频率和方向上的细微变化，描述的维度很高。
三、harris角点算法
1.概述
当滑动窗口处于一个兴趣点发生的地方，无论从哪个方向移动该窗口，都会发生图像强度（灰度值）的剧烈变化。
基于图像灰度的方法通过计算点的曲率及梯度来检测角点，避免了第一类方法存在的缺陷，此类方法主要有moravec算子、forstner算子、harris算子、susan算子等。
2.原理
图像窗口滑动后灰度值变化计算：
小距离窗口滑动近似计算：
首先采用sobel算子计算出梯度ix和iy，再逐点计算其乘积，最后使用高斯窗对该乘积图像的所有像素点进行卷积即可。
3.matlab编程实现
img=imread('f:lena.png');imshow(img);img = rgb2gray(img);
%转换为灰度图像img =double(img);[m n]=size(img);
%获取图像尺寸tmp=zeros(m+2,n+2);
%创建空矩阵tmptmp(2:m+1,2:n+1)=img;
%将img赋值给tmp矩阵ix=zeros(m+2,n+2);iy=zeros(m+2,n+2);e=zeros(m+2,n+2);
%创建空矩阵ix,iy,eix(:,2:n)=tmp(:,3:n+1)-tmp(:,1:n-1);
%求横向梯度iy(2:m,:)=tmp(3:m+1,:)-tmp(1:m-1,:); %求纵向梯度 ix2=ix(2:m+1,2:n+1).^2;
%求梯度方向乘积iy2=iy(2:m+1,2:n+1).^2;ixy=ix(2:m+1,2:n+1).*iy(2:m+1,2:n+1);
h=fspecial(‘gaussian’,[7 7],2);
%使用高斯核进行加权ix2=filter2(h,ix2);iy2=filter2(h,iy2);ixy=filter2(h,ixy);rmax=0;r=zeros(m,n);for i=1:m
for j=1:n
m=[ix2(i,j) ixy(i,j);ixy(i,j) iy2(i,j)];
r(i,j)=det(m)-0.06*(trace(m))^2;
%计算角点量
if r(i,j)>rmax
rmax=r(i,j);
%阈值判断
end
endend
re=zeros(m+2,n+2);tmp(2:m+1,2:n+1)=r;img_re=zeros(m+2,n+2);img_re(2:m+1,2:n+1)=img;for i=2:m+1
for j=2:n+1
if tmp(i,j)>0.02*rmax &&...
tmp(i,j)>tmp(i-1,j-1) && tmp(i,j)>tmp(i-1,j) && tmp(i,j)>tmp(i-1,j+1) &&...
tmp(i,j)>tmp(i,j-1) && tmp(i,j)>tmp(i,j+1) &&...
tmp(i,j)>tmp(i+1,j-1) && tmp(i,j)>tmp(i+1,j) && tmp(i,j)>tmp(i+1,j+1)
img_re(i,j)=255;
%标记角点
end
endendimg_re=mat2gray(img_re(2:m+1,2:n+1));figure,imshow(img_re);
%恢复并显示图像
四、直线提取
1.hough变换原理
在图像空间xy里，设所有过点（x,y）的直线都满足方程：
式中，p为直线的斜率，q为直线的截距。也可以写成：
式中表示参数空间pq中过点（p,q）的一条直线。图像空间到参数空间之间的转换可以用图表示：
2.直线提取原理
开始时，置数组a为零，然后对每一个图像空间中的给定点，让θ取遍区间上所有可能的值，并根据直线公式算出对应的ρ，再根据和的值（设都已经取整）对a累加：
对图像遍历后，上式的值就是在点（θ，ρ）处共线点的个数。值（θ，ρ）也给出了直线方程的参数，这样就得到了点所在的线。
3.matlab编程实现
img = imread(rg.bmp');figure(1),subplot(1,2,1);imshow(img); title('原始图像');img=rgb2gray(img);
% 灰度图像subplot(1,2,2);imshow(img); title('灰度图像'); thresh=[0.01,0.10];
%敏感度阈值sigma=3;
%定义高斯参数 f = edge(double(img),'canny',thresh,sigma); %边缘检测figure(2),imshow(f); title('canny 边缘检测'); % 检测函数；[h, theta, rho]= hough(f,'theta', 20:0.1:75);
%0-1% h->累计数组 ， thetah:对应的θ，实际上h的大小就是rho×theta% rho：h对应的ρ peak=houghpeaks(h,1);
%峰值提取hold on %保留当前的图和特定的坐标轴属性，以便后续的绘图命令添加到现有的图表。lines=houghlines(f,theta,rho,peak);
%得到线段信息 figure(3);imshow(f,[]);title('霍夫变换检测结果');hold on ;for k=1:length(lines)
xy=[lines(k).point1;lines(k).point2];
plot(xy(:,1),xy(:,2),'linewidth',4,'color',[.6 .6 .6]); end
符合PMBus标准的降压DC/DC转换器模块的介绍
喜报|光点科技获得广东省“专精特新”企业认定
iOS13曝光 调节音量时会以弹窗形式出现并新增夜间模式
一种可应用于工作电池的实时测定方法
麻醉机的主要结构有哪些 如何进行工作的
机器视觉的图像特征提取技术分析
截至2018年底，中国占全球晶圆厂产能的12.5％
苹果透过导入国内供应链，发挥鲶鱼效应压低生产成本
带数字控制器的多相降压变换器设计
高功率充电桩中的大电流元件哪里找？
如何挑选爬坡性能好的电动车
基于CMOS阈值电压的基准电路设计
Perl语言入门教程
Mozilla检测到Firefox出现了大量崩溃事件
什么是驱动DDR5 有什么新功能
电气火灾监控系统在建筑防火中的研究与应用
百元耳机听个响？NANK南卡T2动圈+动铁双单元耳机强悍来袭！
一文教你如何画好电气图
浅析安全PLC-数学函数 ADD：加 (STEP 7 Safety V17)
华鼎国联将投资10亿元设立“电池银行”