區域和輪廓只包含對分割結果的原始描述，在實際應用中我們還需要從區域或輪廓中確定一個或多個特征量。這些確定的特征量被稱為特征。

確定特征的過程被稱為圖像特征提取。

一、概述

1.圖像特征的分類

（1）圖像的視覺特征

邊緣、輪廓、形狀、紋理和區域等。

（2）圖像的統計特征

灰度直方圖特征、矩特征，其中矩特征包括均值、方差、峰度及熵特征等。

（3）圖像變換系數特征

傅立葉變換、離散余弦變換、小波變換等。

（4）圖像代數特征

矩陣的奇異值

2. 特征提取與特征選擇

（1）特征選擇

從一組特征中挑選出一些最有效的特征，以達到降低特征空間維數的目的。

（2）特征提取

對原始特征進行變換得到的這些有利于分類、更本質、更少的新特征的過程。

二、興趣點提取

1.什么是興趣點

興趣點是指圖像信號在二維空間上發生變化的區域，通常情況下包括拐角點、交點和紋理等顯著變化區域。

2.興趣點標定的方法

（1）基于輪廓線的方法

輪廓線具有曲率變化的特征，可歸類為結點，端點等類型。如在圖像中尋找脊和谷的方法對興趣點進行標定。

（2）基于圖像強度的方法

信號的自相關函數檢測特征點，灰度值的差大于某個門限時即認為該點是興趣點。

（3）基于參數模型的方法

使用高斯卷積模型對拐角進行識別， 使用最小化方法，使得模板與觀測信號最佳匹配。

3.興趣點的表達方法

（1）尺度不變特征變換（Scale-invariant feature transform，SIFT）

使用了128維的向量對興趣點特征進行表達，該向量通過Lowe建立的碼表形成。該方法可以做到縮放不變、亮度不變的特性。

（2）可控濾波器和梯度不變方法

使用高斯濾波器的方法求圖像的梯度，具有長度為13的維數。

（3）區域矩不變特性

通過改變統計矩的組合，適用于圖像的多種不變特性的應用。

（4）頻域分析法

通過Gabor濾波器來捕捉圖像在頻率和方向上的細微變化，描述的維度很高。

三、Harris角點算法

1.概述

當滑動窗口處于一個興趣點發生的地方，無論從哪個方向移動該窗口，都會發生圖像強度（灰度值）的劇烈變化。

基于圖像灰度的方法通過計算點的曲率及梯度來檢測角點，避免了第一類方法存在的缺陷，此類方法主要有Moravec算子、Forstner算子、Harris算子、SUSAN算子等。

2.原理

圖像窗口滑動后灰度值變化計算：

小距離窗口滑動近似計算：

首先采用Sobel算子計算出梯度Ix和Iy，再逐點計算其乘積，最后使用高斯窗對該乘積圖像的所有像素點進行卷積即可。

3.MATLAB編程實現

img=imread('F:lena.png');
imshow(img);
img = rgb2gray(img);    %轉換為灰度圖像
img =double(img);
[m n]=size(img);        %獲取圖像尺寸
tmp=zeros(m+2,n+2);    %創建空矩陣tmp
tmp(2:m+1,2:n+1)=img;  %將img賦值給tmp矩陣
Ix=zeros(m+2,n+2);
Iy=zeros(m+2,n+2);
E=zeros(m+2,n+2);       %創建空矩陣Ix,Iy,E
Ix(:,2:n)=tmp(:,3:n+1)-tmp(:,1:n-1);  %求橫向梯度Iy(2:m,:)=tmp(3:m+1,:)-tmp(1:m-1,:); %求縱向梯度
 
Ix2=Ix(2:m+1,2:n+1).^2;          %求梯度方向乘積
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);     %使用高斯核進行加權
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;       %計算角點量
 
    if R(i,j)>Rmax
      Rmax=R(i,j);                  %閾值判斷
    end
  end
end   
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;               %標記角點       
    end  
  end
end
img_re=mat2gray(img_re(2:m+1,2:n+1));
figure,imshow(img_re);   %恢復并顯示圖像

四、直線提取

1.Hough變換原理

在圖像空間XY里，設所有過點（x,y）的直線都滿足方程：

式中，p為直線的斜率，q為直線的截距。也可以寫成：

式中表示參數空間PQ中過點（p,q）的一條直線。圖像空間到參數空間之間的轉換可以用圖表示：

2.直線提取原理

開始時，置數組A為零，然后對每一個圖像空間中的給定點，讓θ取遍區間上所有可能的值，并根據直線公式算出對應的ρ，再根據和的值（設都已經取整）對A累加：

對圖像遍歷后，上式的值就是在點（θ，ρ）處共線點的個數。值（θ，ρ）也給出了直線方程的參數，這樣就得到了點所在的線。

3.MATLAB編程實現

img = imread(rg.bmp');
figure(1),subplot(1,2,1);
imshow(img); title('原始圖像');
img=rgb2gray(img);    % 灰度圖像subplot(1,2,2);imshow(img); title('灰度圖像'); thresh=[0.01,0.10];     %敏感度閾值
sigma=3;             %定義高斯參數 
 
f = edge(double(img),'canny',thresh,sigma); %邊緣檢測
figure(2),
imshow(f); 
title('canny 邊緣檢測'); 
% 檢測函數；
[H, theta, rho]= hough(f,'Theta', 20:0.1:75);   %0-1
% H->累計數組 ， thetaH:對應的θ，實際上H的大小就是Rho×Theta
% Rho：H對應的ρ
 
peak=houghpeaks(H,1);          %峰值提取
hold on %保留當前的圖和特定的坐標軸屬性，以便后續的繪圖命令添加到現有的圖表。
lines=houghlines(f,theta,rho,peak);  %得到線段信息
 
figure(3);imshow(f,[]);
title('霍夫變換檢測結果');
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 

本文來源于CSDN博主iutangplease

審核編輯：湯梓紅