29、计算机视觉中的特征检测与描述方法综述

计算机视觉中的特征检测与描述方法综述

1. 物体形状度量

物体形状度量在计算机视觉中具有强大的功能，在不变性和鲁棒性方面具有很大的自由度。与局部特征度量不同，物体形状度量能够描述更大的特征，这对于逐帧跟踪非常有利。例如，通过面积、周长和质心等简单的物体形状度量，就可以在各种条件和不变性下对大型物体进行逐帧跟踪。

形状可以通过多种方法进行描述：
- 物体形状矩和度量 ：本节重点内容。
- 图像矩 。
- 傅里叶描述符 。
- 形状上下文特征描述符 。
- 用于周长描述的链码描述符 。

物体形状与形态学领域密切相关。在许多计算机视觉研究领域，局部特征似乎比基于物体形状的特征更受青睐。形状分析方法不受欢迎的原因可能是需要创建复杂的预处理管道，包括滤波、形态学处理和分割等步骤，以准备用于形状分析的图像。如果图像没有正确预处理，形状分析将无法进行。

多边形形状度量可用于几乎任何场景分析应用，以找到常见物体并准确测量其大小和形状，典型应用包括生物学和制造业。大多数多边形形状度量具有旋转和尺度不变性。以下是一些常见的物体形状度量：
|物体二进制形状度量|描述|
| ---- | ---- |
|周长|物体边缘所有点的长度，包括对角线长度（约为1.4）和相邻长度（为1）的总和|
|面积|物体的总像素面积|
|凸包|包围所有周长点的多边形形状或线段集合|
|质心|物体质量中心，所有像