图像特征提取相关概念

1.图像的边缘检测
图像的边缘是指其周围像素灰度急剧变化的那些像素的集合，它是图像最基本的特征。边缘存在于目标、背景和区域之间，所以，它是图像分割所依赖的最重要的依据。由于边缘是位置的标志，对灰度的变化不敏感，因此，边缘也是图像匹配的重要特征。

边缘可大致分为两种：（1）阶跃状边缘,边缘两边像素的灰度值明显不同；（2）屋顶状边缘，边缘处于灰度值由小到大再到小变化的转折点处。

Edge函数：采用灰度或一个二值化图像I作为它的输入，并返回一个与I相同大小的二值化图像BW，在函数检测到边缘的地方为1，其他地方为0。BW = edge(I,’prewitt’) 自动选择阈值用prewitt算子进行边缘检测。
Prewitt：Prewitt算子是一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用 。其原理是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个检测水平边缘，一个检测垂直边缘。
Canny算子：Canny是一个多级边缘检测算法，Canny提出了边缘检测算子的3条标准：高的检测率、精确的定位、明确的响应。

2.什么是角点以及Harris角点的基本原理
角点可以从两个不同的角度定义（1）角点是两个边缘的交点（2）角点是邻域内具有两个主方向的特征点。

评价角点可以从以下五个方面来考虑：准确性、定位性、稳定性、实时性、鲁棒性。
Harris角点的基本原理：人眼对角点的识别通常是在一个局部的小区域或小窗口完成的。如果在各个方向上移动这个特征的小窗口，窗口内区域的灰度发生了较大的变化，那么就认为在窗口内遇到了角点。如果这个特定的窗口在图像各个方向上移动时，窗口内图像的灰度没有发生变化，那么窗口内就不存在角点；如果窗口在某一个方向移动时，窗口内图像的灰度发生了较大的变化，而在另一些方向上没有发生变化，那么，窗口内的图像可能就是一条直线的线段。

3.SURF特征提取
SURF方法整体思想流程同SIFT类似，但在整个过程中采用了与SIFt不同的方法。 SURF将DoH中的高斯二阶积分模板进行了近似简化，使得模板对图像的滤波只需要进行几个简单的加减法运算，并且，这种运算与滤波模板的尺寸无关，从而极大地提高了尺度不变特征的检测速度。
SURF算法中要用到积分图像的概念。
(1)、构建Hessian矩阵
Hessian矩阵是Surf算法的核心，为了方便运算，假设函数f(z，y)，Hessian矩阵H是由函数，偏导数组成：

H矩阵判别式为：