本文介绍了OpenCV中的Haar特征，这是一种基于矩形模板的图像特征，用于描述图像的灰度变化。Haar特征包括边缘、线性、中心和对角线特征，适用于描述图像中的简单结构。由于特征数量巨大，直接计算所有特征值效率低下。为了解决这个问题，文章讲解了积分图像的概念，它允许快速计算任意矩形区域的像素和，简化了Haar特征的计算过程。通过积分图，可以高效地处理大量Haar特征，适用于如人脸识别等应用。
一、 Haar特征定义
Haar特征是基于“块”的特征，也被称为矩形特征。Haar特征（模板）分为三类：边缘特征、线性特征、中心特征和对角线特征。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要深，嘴巴比周围颜色要深等。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。
对于图中的1.a这类特征，特征数值计算公式为：v=Sum白-Sum黑，而对于2.c这类来说，计算公式如下：v=Sum白-2*Sum黑；之所以将黑色区域像素和乘以2，是为了使两种矩形区域中像素数目一致。
Haar特征数量：
通过改变特征
订阅专栏 解锁全文
扫一扫
3237
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
