特征提取（一）

机器视觉入门后就面临更深层次的问题——特征提取，目前要解决的有边缘检测，颜色特征提取，纹理特征提取，轮廓提取。在解决的时候，一个环节一个环节的去解决。有条不紊。
（一）边缘检测
图像的边缘是最基本的特征。边缘检测的目的是标识图像中亮度变化明显的点。目前用的比较多的几种检测边缘的算子有:Sobel算子，Prewitt算子，LOG算子，Canny算子。项目中用到LOG算子，Canny算子进行预处理。边缘检测能抑制噪声，准确的定位边界算在。
（二）提取颜色特征
我们可以将一个具体的像素点所呈现的颜色分多种方法分析，并提取出其颜色特征分量。比如通过手工标记区域提取一个特定区域（region）的颜色特征，用该区域在一个颜色空间三个分量各自的平均值表示，或者可以建立三个颜色直方图等方法。常用的方法有颜色直方图，颜色矩，颜色集等。此处，也有很多人用于图像检索。。
（三）提取纹理特征
纹理提取用的较多的是LBP（局部二进制），这种算法是几年前的产品，但在科研中用的还算多。具体代码太多，就不贴在这儿了。可以参考张铮的数字图像处理与机器视觉第二版。及PCA的特征提取的具体代码和实施方法。
另外还有提取轮廓特征，对于现在的这个项目，这些底层的基本特征已经够了。接下来的时间就将这些部分实现，并整合进行判定评级。。写文章。