图像特征之 Haar-like特征(一)概述及特征值数量计算
来源:互联网 发布:金角大王异步网络框架 编辑:程序博客网 时间:2024/05/29 02:21
1.haar-like特征介绍
- 最初用于描述人脸, 分为三类:边缘特征、线性特征、中心特征和对角线特征,组合成特征模板。
- 特征模板内有白色和黑色两种矩形,并定义该模板的特征值为
黑色矩形像素和 - 白色矩形像素和。
- 邻域矩形灰度差特征Haar特征值反映了图像的灰度变化情况。例如:脸部的一些特征能由矩形特征简单的描述,眼睛要比脸颊颜色要深,鼻梁两侧比鼻梁颜色要深,嘴巴比周围颜色要深等。
- 但矩形特征只对一些简单的图形结构,如边缘、线段较敏感,所以只能描述特定走向(水平、垂直、对角)的结构。
- OpenCV的Haar分类器是基于扩展后的特征库实现的。
- 基本的特征有 3 类
模板 A 的特征值计算公式为: v=Sum黑-Sum 白。
模板 B 的特征只计算公式为: v=Sum黑-Sum 白。
模板 C 的特征只计算公式为: v=2*Sum黑-Sum 白。
模板 D 的特征只计算公式为: v=Sum黑-Sum 白。
而模板 C 中保证做差时像素的数目相等,将 Sum黑乘以 2
用得比较多的特征,也就是特征原型有:
1.边缘特征
2.线特征
3.点特征(中心特征)
4.对角特征我们在计算特征值时,通过改变各类模板的大小和在子窗口中的位置,得到很多的矩形特征,由这些矩形特征计算出子窗口中所有 的特征值。
特征值数量计算:
- 普通特征(水平竖直的)
- 普通特征(水平竖直的)
倾斜特征
-可以按照(w+h)*(h+w)的大小,按照普通特征的计算方法计算。
0 0
- 图像特征之 Haar-like特征(一)概述及特征值数量计算
- 图像特征之Haar-Like特征
- 图像特征之 Haar-like特征(二)计算方法-积分图
- Haar-like矩形特征的特征值的快速计算方法
- Haar-like矩形特征的特征值的快速计算方法
- Haar-like矩形特征的特征值的快速计算方法
- Haar-like矩形特征的特征值的快速计算方法
- Haar-like矩形特征的特征值的快速计算方法
- Haar-like矩形特征的特征值的快速计算方法
- Haar-like矩形特征的特征值的快速计算方法
- Haar-like矩形特征计算详解
- 目标检测的图像特征提取之(一)Haar特征
- 图像特征提取之Haar特征
- 图像处理之Haar特征
- 【人脸检测:Haar】计算Haar特征个数(一)
- Haar-like特征
- Haar-like特征
- Haar-like特征
- jQuery deferred的实践,ajax请求增加缓存处理
- Flexbox布局笔记
- String,StringBuffer与StringBuilder的区别
- 基于Json传递数据的Augularjs分页的spring后台代码
- 如何实现监听用户驻留APP的时长(service的简单用法)
- 图像特征之 Haar-like特征(一)概述及特征值数量计算
- 泛型的通配符,上限,下限以及泛型嵌套
- 高档cpu安装虚拟机注意事项
- 分布式、集群区别
- JS如何区分Object与Aarry的六种方法
- EventBus简单使用教程
- TransE论文第3节:相关工作
- 关于localStorage存储json数据
- 第一次写东西