7、图像预处理：提升特征提取效果的关键步骤

图像预处理：提升特征提取效果的关键步骤

1. 基础空间特征与多边形形状描述符

基础空间特征通常具有全局性或区域性，覆盖规则形状的多边形。例如，对整个图像或图像块进行傅里叶变换。不过，基础空间特征也可能成为局部特征的一部分，像局部二值模式（LBP）直方图的傅里叶频谱，它能在局部描述符的直方图区间值上进行计算，以实现旋转不变性；还有用于计算径向线段长度多边形因子的傅里叶描述符，可体现特征的圆润度，同样能实现旋转不变性。

多边形形状描述符是最为复杂的描述符家族，可能需要多个图像预处理步骤来分离图像中的多边形结构和形状，以进行测量。多边形形状描述流程可能涉及从图像增强到结构形态学和分割技术等各个方面。为多边形特征形状提取设置预处理通常比其他方法需要更多的工作，因为阈值和分割需要精细调整才能取得良好效果。此外，多边形形状描述符并非局部模式，而是更大的区域结构，其特征跨度可达数十甚至数百个像素，因此处理过程也可能更为密集。

2. 图像预处理的校正操作

在图像预处理过程中，图像可能存在一些伪影，需要在特征测量和分析之前进行校正。常见的校正类型如下：
| 校正类型 | 具体内容 |
| ---- | ---- |
| 传感器校正 | 包括死像素校正、几何镜头畸变校正和渐晕校正 |
| 光照校正 | 光照可能会产生深阴影，掩盖局部纹理和结构；场景光照不均匀也可能导致结果偏差。校正方法有秩滤波、直方图均衡化和查找表（LUT）重映射 |
| 噪声处理 | 噪声形式多样，可能需要特殊的图像预处理，有多种方法可供选择 |
| 几何校正 | 如果整个场景发生旋转或拍摄视角有误，在特征描述之前校正几何形状可能很有价值。不同特征