机器视觉课件：第七章 《特征提取》

1、特征提取概述 什么是图像特征 特征是某一类对象区别于其他类对象的相应特点或特性，或这些特点和特性的集合。特征是通过测量或处理能够抽取的数据。对图像而言，每一幅图像区别于其他图像的特征，例如：亮度、边缘、纹理和色彩等。 特征提取 确定特征的过程称为特征提取。 图像特征的分类 图像特征的分类有多种标准。 从特征自身的特点上可以分为两大类：描述物体外形的形状特征（区域特征），以及描述物体表面灰度变化的纹理特征（灰度值特征）。 从特征提取方法上可以分为：统计特征和结构特征。本章主要讨论图像的统计特征及其获取方法。基本统计特征 区域特征： 周长：区域边界的长度，即位于区域边界上的像素数目。 面积：区域中

2、的像素总数。 纹理特征（灰度值特征）：纹理是灰度在空间以一定形式变换而产生的图案。区域特性 区域特征 区域的面积 区域的矩的一般定义 为区域的面积 归一化的矩a=R=(ceii=1n-csi+1)mp,q=rpcqr,c()Rm0,0m0,0=1r,c()R=anp,q=1arpcqr,c()R 区域特征 通过归一化的矩求出区域的重心 归一化的中心矩（不随位置变换的中心矩）mp,q=1ar-n1,0()pc-n0,1()qr,c()Rn0,1,n0,1()二阶中心矩 二阶中心矩 可以用来定义区域的范围和方位m0,2m2,0m1,1r1=2m2,0+m0,2+m2,0-m0,2()2+ 4m1,

3、12r2=2m2,0+m0,2-m2,0-m0,2()2+ 4m1,12q= -12arctan2m1,1m0, 2-m2, 0各向异性特征 各向异性r1/r2 此特征量在区域缩放时时保持恒定不变的灰度值特性 区域内的平均灰度值g=1agr,c(r,c)Rs2=1a-1(gr,c(r,c)R-g)2灰度值特性 灰度值矩的一般定义 灰度值面积 归一化的灰度值矩mp,q=gr,crpcq(r,c)Rm0,0=gr,c(r,c)Rnp,q=1agr,crpcqr,c()R灰度值特征 通过归一化的矩求出灰度值的重心 归一化的中心灰度值矩（不随位置变换的中心矩）与区域矩类似，在二阶中心矩的基础上，我们可

4、以定义椭圆的长轴、短轴和方向。mp,q=1agr,cr-n1,0()pc-n0,1()qr,c()Rn0,1,n0,1()区域矩和灰度值矩 在处理小物体或小的区域时，灰度值矩的准确度更高。 灰度值矩一般情况下，只用于处理相对小的区域。特征提取Halcon实现 select_shape(Regions : SelectedRegions : Features, Operation, Min, Max : ) Regions ：输入区域 SelectedRegions ：根据特征提取的区域 Feature ：area，width，height Operation ：特征之间的关系 Min ：特征值

5、的下限 Max ：特征值的上限read_image(Image,monkey)get_image_size(Image, Width, Height)threshold(Image,Region,xx,xx)connection(Region,ConnectedRegions)select_shape(ConnectedRegions,Eyes,area,max_diameter,and,xx,xx,xx,xx)dev_open_window(0,0,Width,Height,black,WindowHandle)dev_display(Eyes)read_image (Audi2, audi

6、2)fill_interlace (Audi2, ImageFilled, odd)mean_image(ImageFilled, ImageMean, 3,3) threshold(ImageFilled, Region, 0, 100)connection (Region, ConnectedRegions)select_shape (ConnectedRegions, SelectedRegions, width, and, 30, 70)select_shape (SelectedRegions, Letters, height, and, 60, 110)count_obj(Letters, Number)dev_clear_window ()dev_set_colored (12)dev_display (ImageFilled)dev_display (Letters)区域的边框Halcon实现 area_center(Regions : : : Area, Row, Column) e