Integral Channel Features-论文整理

Integral Channel Features-ICF

本文是我piotr dollar的integral channel features的理解，如有错误或者疑问请及时与我联系，谢谢。

一、导读

Integral Channel Features是指一类特征，这类特征可以通过积分图（Integral images）快速的计算出来。例如，Haar feature,local sums,gradient histograms。都可以通过积分图（Integral images）快速的计算出来。

PS:这里有几点要说明

1.什么是Haar特征，简单的说，在图像中划定一个矩形框，如下图，然后分别求出区域1和区域2中所有像素的和，记作sum(1),sum(2)。然后这俩个差值：sum(1)-sum(2)的值就是一个 Haar特征。当然，这只是一个例子，这个矩形可以有很多其它形式，详细了解请参考Haar

      

2.local sums这个特征就是图像中局部区域的像素和，比如上面的sum(1)

3.gradient histogram（梯度直方图）：求出原始图像的gradient angle 和gradient magnitude,这个角度的值会决定对应像素落在直方图的那个bin上，而这个像素的gradient magnitude值会决定这个像素对这个bin的贡献。举个例子，下面这个梯度直方图有六个bin，分别是0-30度～150-180度。如果现在有个像素，它的gradient angle是142度，gradient magnitude是13，那么，这个像素会对120-150这个区间的直方图做出贡献，贡献值是13.更详细内容请参考HOG

4.积分图（Integral images），这个直接上图吧，比如下面4*4的图像

它的积分图也是同样大小的图片，即4*4大小，在积分图中，每个像素的的值，是原始图像中该位置左上角区域内所有的像素和。比如积分图像中，第二行第二列的像素就应该是：2+3+4+6=15

所以，上图的积分图像是这样的：