图像特征

图像特征提取就像侦探寻找破案线索，通过识别图像中的关键信息（如边缘、角点、纹理和颜色）来帮助计算机理解内容。

在本文中，我们将分享一些将图像转换为特征向量的技术，可以在每个分类模型中使用。

为了将图像处理中的理论知识运用到通信理论中，所以学习了图像特征提取的部分内容。运用网络和书籍查阅了相关资料，作此总结。

纹理是一种反映图像中同质现象的视觉特征，它体现了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性。纹理具有三大标志：某种局部序列性不断重复、非随机排列、纹理区域内大致为均匀的统一体。

虽然现在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

常用的图像特征有：颜色特征（描述了图像或图像区域所对应的景物的表面性质）、纹理特征（描述了图像或图像区域所对应景物的表面性质）、形状特征（各种基于形状特征的检索方法都可以比较有效地利用图像中感兴趣的目标来进行检索）、空间关系特征（是指图像中分割出来的多个目标之间的相互的空间位置或相对方向关系）。

一 、形状特征

（一）特点

各种基于形状特征的检索方法都可以比较有效地利用图像中感兴趣的目标来进行检索，但它们也有一些共同的问题，包括：
①目前基于形状的检索方法还缺乏比较完善的数学模型；
②如果目标有变形时检索结果往往不太可靠；
③许多形状特征仅描述了目标局部的性质，要全面描述目标常对计算时间和存储量有较高的要求；
④许多形状特征所反映的目标形状信息与人的直观感觉不完全一致，或者说，特征空间的相似性与人视觉系统感受到的相似性有差别。
另外，从2-D图像中表现的3-D物体实际上只是物体在空间某一平面的投影，从2-D图像中反映出来的形状常不是3-D物体真实的形状，由于视点的变化，可能会产生各种失真。

（二）常用的特征提取与匹配方法

1. 几种典型的形状特征描述方法