Opencv:python 理解"特征"

目标
-在这个章节,我们试着去理解什么是“特征(features)”。
说明

我们大多数人都玩过拼图游戏,将一小块一小块的图片拼成一个完整的大图。让我们思考这样一个问题:我们怎样拼凑它们?如果将相同的原理编入计算机,计算机也能完成拼图游戏吗?如果答案是肯定的,那可不可以给计算机一些现实中的自然景色图片,让它拼接成一张全景大图,如果这也可以办到,那能不能输入一些建筑物或者类似的图片,让计算机建个3D模型呢?

思维可以继续发散,但都基于一个基本问题:我们是如何思考并进行拼图游戏的?我们怎么来排布一个个自然图像的碎片,使它们拼成一张大图,还原它的样子。

答案是,我们总是会寻找图片中独一无二的特征部位,可以一眼认出的,和其他图片存在明显区别。如果试着解释我们是如何找出这些特征部位的,也许很难找出合适的语句来描述,但我们就是知道它是。如果有人让你找出一个明显区别于其它图片的特征部位,你一定能找出来,这就是为什么小孩子都能把这个游戏玩起来。我们寻找图片中的某些特征,找到它们,接着寻找和他们有相似特征的碎片,拼凑起来,知道完成。这样的能力也是我们与生俱来的。

我们对问题展开思考了很多,但有了一个更具体的描述,什么是图像的特征?(答案也要是计算机也能理解)

很难描述在寻找特征的过程中我们是如何思考进行的。但是我们深入的寻找图片之间的不同时,我们会发现一些有趣现象,举个例子,看下面的图片

feature_building.jpg

在图片的上方,给出了6张小图。请你在原图中找出它们各自的位置。你能给出多少种正确答案?

A 和 B 表面很单一,没什么具体特征,可能分布在许多区域上,很难找出一个明确的位置。

C 和 D 倒是稍微好找一点,它们是大楼的边缘部位,你可以找到一个大致的位置,不过依然很难给出精确定位。这是因为大楼边沿各个部分都长一样的,虽然相比平坦部位更容易认出,但还不足以明确确定。

最后,我们来看 E 和 F 。它们是大楼的顶角。可以轻易认出。因为这些顶角,只要移动到其他位置,大楼就变形了,既不能放在大楼里面,也不可能凭空漂浮在天上,它们只能被放在顶角该在的部位。所以可以当成大楼的一种特征,顶角。确定了大楼的位置和轮廓。下面我们换一种理解方式。

图片

如上图所示,蓝色线框标记的区域,表面平滑,颜色单一,稍微上下左右移动也不会破坏图片的形状,很难定位它的准确位置。黑色线框标记的部分是边缘地带,如果垂直移动它,图片会变形,但如何沿着边缘移动,图像也不会有什么变化。那么来看红色线框标记的区域,是一个角 ( corner ),随意移动一点图像就会变形,所以它只能在那个位置,这是角是独一无二,不可移动的,它就在那,,也只能在那,这就可以被认为是这个绿色矩形的一个特征。(不仅仅是角,有时候斑点什么的也都能被当成特征)。

现在我们应该解释了什么是特征,那接下来还有个问题?怎么找到它们呢?或者说我们怎样找到这个角呢,在思考的过程中,我们已经直观的回答了这个问题。寻找图片中的只要稍微一移动就会使图片严重变形的区域,这个区域被认定为该图的特征。在下一节中这种方法会在计算机里编程实现。这样一个寻找特征的过程就叫 特征检测(Feature Detection)

我们找到图像的一些特征,然后我们可以在其他图片中找到类似的特征,这是怎样实现的呢?我们获取特征区域,用我们的语言描述它们,比如“图的上方是天空,下面有一幢大楼,大楼上有好多玻璃”,然后我们可以在其他图片中寻找相似特征的区域。上面我们对图像的特征进行了描述,类似的,计算机也可以描述一些特征然后去其他图片上找相似的地方。这样一个描述被称作 特征描述(Feature Description)。一旦你有一种特征并有它的描述,你就可以在其他图片中找出相似甚至相同的部分。

原文:

http://docs.opencv.org/3.2.0/df/d54/tutorial_py_features_meaning.html

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,511评论 1 330
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,495评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,595评论 0 225
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,558评论 0 190
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,715评论 3 270
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,672评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,112评论 2 291
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,837评论 0 181
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,417评论 0 228
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,928评论 2 232
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,316评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,773评论 2 234
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,253评论 3 220
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,827评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,440评论 0 180
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,523评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,583评论 2 249

推荐阅读更多精彩内容