明月清风

SIFT，即尺度不变特征变换，Scale Invariant Feature Transform。Sift提取图像的局部特征，在尺度空间寻找极值点，并提取出其位置、尺度、方向信息。SIFT特征的特点对旋转、尺度缩放、亮度变化保持不变性，对视角变化、噪声等也存在一定程度的稳定性；独特性，信息量丰富，适用于在海量特征数据中进行快速，准确的匹配；多量性，即使少数几个物体也可以产生大量的Sfit...

LBP是Local Binary Pattern（局部二值模式）的缩写，具有灰度不变性和旋转不变性等显著优点。由于该特征的简单易算性，虽然其总体效果不如Haar特征，但速度则快于Haar，所以也得到了广泛的使用。文章目录LBP特征的描述LBP特征的圆形化改进LBP旋转不变模式Uniform Pattern LBP等价模式LBP特征用于检测的原理MB-LBP特征LBPH，图像的LBP特征向量LBP...

方向梯度直方图特征描述子（Histogram of Oriented Gradient, HOG）的主要思想是，图像中局部目标的外观和形状（Appearance and Shape）可以使用梯度以及边缘方向密度的分布进行表现。HOG的本质是统计图形边缘位置的梯度的分布信息。文章目录HOG特征提取过程HOG的优缺点计算HOG特征值Sobel算子HOG特征提取过程读取样本图像；对样本图像进行...

haar特征多用于人脸检测、行人检测等；Haar-like特征可以理解为卷积模板；该模板的特征值为白色矩形像素和减去黑色矩形像素和，反映了图像的灰度变化情况，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。Haar-like特征分类Haar-like特征可以分为四类：线性特征、边缘特征、点特征（中心特征）、对角线特征： 积分图...