图像特征处理（1）——2017.4.1

图像的边缘检测？

图像的边缘是指其周围像素灰度急剧变化的那些像素的集合，是图像最基本的特征。

边缘也是图像匹配对重要特征。

边缘检测基本思想是先检测图像中的边缘点，再按照某种策略将边缘点连接成轮廓，从而构成分割区域。

Canny算子

Canny边缘内检测算子是边缘检测最常用的一种。

高的检测率、精准的定位、明确的响应。

去噪声、计算梯度值与方向角、非最大值抑制、滞后阈值比。

Edge

B W = edge(I) 采用I作为它的输入，并返回一个与I相同大小的二值化图像BW，在函数检测到边缘的地方为1，其他地方为0。

Prewitt

Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用 。其原理是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个检测水平边缘，一个检测垂直边缘。

角点特征检测

角点是两个边缘的交点；角点是领域内具有两个主方向的特征点。

角点所在的领域通常也是图像中稳定的、信息丰富的区域，这些领域可能具有某些特性，如旋转不变性、尺度不变性、仿射不变性和光照亮度不变性。

Cornermetric

对所输入的灰度图像进行角点检测。

Surf特征提取检测

S URF算 法是对SIFT算法的改进，其基本结构、步骤与SIFT相近，但具体实现的过程有所不同。SURF算法的优点是速度远快于SIFT且稳定。 先对SURF算法的中特征点的提取、描述子的建立。 此算法的优点  在于大量合理使用积分图像降低运输量，而且在运用的过程中并未降低精度(小波变换，Hessian矩阵行列式检测都是成熟有效的手段)  。在时间上，SURF运行速度大约为SIFT的3倍；在质量上，SURF的鲁棒性很好，特征点识别率较SIFT高，在视角、光照、尺度变化等情形下，大体上都优于SIFT。

detectSURFFeatures

detectSURFFeatures(I,Name,Value)

用于检测灰度图像的SURF特征。