4.1幾何特征CONTENTS目錄圖像梯度01圖像邊緣02圖像點特征03圖像形狀特征04CONTENTS目錄圖像梯度01圖像邊緣02圖像點特征03圖像形狀特征04圖像特征：圖像中固有的模式，該模式具備顯著性、內容的代表性以及圖像結構的獨特性。圖像幾何特征：圖像中反應其幾何特性的模式，如，梯度、邊緣、角點、形狀。圖像梯度圖像導數：圖像的離散導數可用有限差分代替，其形式如下：圖像梯度：圖像沿x和y方向的導數形成的向量，形式如下：在下述情況下，圖像的梯度如下：圖像的梯度幅值：圖像的梯度方向：圖像梯度CONTENTS目錄圖像梯度01圖像邊緣02圖像點特征03圖像形狀特征04圖像最基本的特征是邊緣，邊緣是圖像性區(qū)域和另一個屬性區(qū)域的交接處，是區(qū)域屬性發(fā)生突變的地方，是圖像中不確定性最大的地方，也是圖像信息最集中的地方，圖像的邊緣包含著豐富的信息，圖像邊緣是圖像灰度變化不連續(xù)的部分，一般指梯度變化較大的區(qū)域。通常，邊緣上的灰度變化平緩，邊緣兩側的灰度變化較快，圖像的邊緣一般指局部不連續(xù)的圖像特征，一般是局部亮度變化最顯著的部分，所以說邊緣就是變化最顯著的部分，灰度值的變化，顏色分量的突變以及紋理結構的突變都可構成邊緣信息，圖像邊緣特征提取過程如圖4-1-5所示。

圖像邊緣思考：是否直接對圖像求導數，即可確定圖像的邊緣？含噪聲圖像水平掃描灰度值無法找到極值點，導致邊緣換難以確定，采用何種方案對噪聲去除？圖像邊緣思路：先對圖像進行濾波平滑，再對圖像求導，搜尋極值點，確定邊界含噪聲信號邊界的位置為濾波后信號求導的極值點fhf*h高斯核函數濾波后信號濾波后導數圖像邊緣高斯函數：高斯函數的極值點一階導數的過零點二階導數的拐點高斯函數一階高斯導數圖像邊緣2.Canny邊緣檢測器Canny邊緣檢測是從不同視覺對象中提取有用的結構信息并大大減少要處理的數據量的一種技術，目前已廣泛應用于各種計算機視覺系統，邊緣檢測的一般標準包括：低錯誤率：標識出盡可能多的實際邊緣，盡可能減少噪聲產生的誤報；高定位：標識的邊緣要與圖像中實際邊緣盡可能接近；最小響應：圖像中的邊緣只能標識一次，噪聲不能被標識為邊緣。為了滿足這些要求，Canny使用了變分法（calculusofvariations）。Canny檢測器中的最優(yōu)函數使用四個指數項的和來描述，它可以用高斯函數的一階導數來近似。在目前常用的邊緣檢測方法中，Canny邊緣檢測算法是具有嚴格定義的，可以提供良好可靠檢測的方法之一。由于它具有滿足邊緣檢測的三個標準和實現過程簡單的優(yōu)勢，成為邊緣檢測最流行的算法之一。Canny方法不容易受噪聲干擾，能夠檢測到真正的弱邊緣，其優(yōu)點在于使用兩種不同的閾值分別檢測強邊緣和弱邊緣，當弱邊緣和強邊緣相連時，才將弱邊緣包含在輸出圖像中。Canny根據以下流程進行邊緣檢測：使用高斯濾波器，平滑圖像，消除噪聲；計算圖像中每個像素點的梯度強度和方向；應用非極大值（Non-MaximumSuppression）抑制，以消除邊緣檢測帶來的雜散響應；應用雙閾值（Double-Threshold）檢測來確定真實的和潛在的邊緣；通過抑制孤立的弱邊緣最終完成邊緣檢測。

圖像邊緣CONTENTS目錄圖像梯度01圖像邊緣02圖像點特征03圖像形狀特征04點特征：圖像中的顯著點，即信號變化比較強烈的點（邊界交叉點、曲率較大的點）。

FAST角點檢測

Harris角點檢測圖像邊緣

BRISK檢測CONTENTS目錄圖像梯度01圖像邊緣02圖像點特征03圖像形狀特征04形狀特征：圖像中目標的外形、周長、面積等特征。

設圖像中目標的像素坐標為，則目標的質心可計算如下：則目標的像素輪廓特征可