【OpenCV-Python】教程：4-1 理解特征

OpenCV Python 理解特征

【目标】

• 本章中，我们需要理解什么是特征？
• 特征为什么重要？
• 角点为什么重要等等。

【解释】

大多数人都玩过拼图游戏，你会得到一幅图像中的很多小块，然后需要正确的将这些小块组合起来，形成一幅真正的图像。问题是，你是如何做到的？把同样的理论映射到计算机程序中，这样计算机就可以玩拼图游戏了？如果计算机可以玩拼图游戏，为什么我们不能给计算机很多真实的自然图片，并告诉它把这些图片拼接成一张大图片呢？如果计算机可以将多幅自然图像拼接成一幅，那么给一栋建筑或任何结构拼接大量图片，并告诉计算机用这些图片创建一个3D模型怎么样？

问题和想象继续，但这一切都取决于最基本的问题：你怎么玩拼图游戏？如何将大量杂乱的图像片段排列成单个大幅图像？如何将大量自然图像拼接到单个图像中？

答案是，我们正在寻找独特的，易于追踪和比较的特定模式或特定特征。如果我们去定义这样的特征，我们可能会发现很难用自然语言表达，但我们知道它们是什么。如果有人要求你指出一个可以在多张图片中进行比较的好的特征，你可以指出一个。这就是为什么即使小孩子也可以简单地玩游戏。我们在图像中搜索这些特征，找到它们，在其他图像中查找相同的特征并对齐它们。就是这样，（在拼图游戏中，我们更关注不同图像的连续性）。所有这些能力都存在于我们身上。

因此，我们的一个基本问题在数量上扩展到更多，但变得更具体。这些功能是什么？

很难说人类是如何发现这些特征的。这已经在我们的大脑中编程了。但如果我们深入研究一些图片并搜索不同的模式，我们会发现一些有趣的东西。例如下图：

图像非常简单，在图像的顶部，给出了留个小图模块，问题是在原始图像中找到这些补丁的确切问题。你能找到多少正确的结果？

A和 B是平面，它们分布在很多区域。很难找到这些不定的确切问题。

C 和 D 要简单得多，它们是建筑物的边缘，你可以找到一个大概的位置，但准确的位置仍然很难，这是因为沿着边缘的每个地方的图案都是相同的。然而，在边缘，情况有所不同，因此，与平坦区域相比，边缘是更好的特征，但还不够好（在拼图游戏中比较边缘的连续性很好）。

E 和 F 是建筑物的角点，很容易找到。无论怎么移动这些 patch，它们都是与众不同的。因此，它们可以被视为良好的功能，因此，为了更好地理解，现在我们转向更简单（和广泛使用的图像）。

和上面一样，蓝色矩形框里面是平坦的，很难找到和追踪，无论如何移动，看起来都是一样的。褐色矩形框有一条边，如果沿垂直方向移动，它会发生变化，沿边缘移动，看起来是一样的。对于红色矩形框，它是一个角落，无论怎么移动，看起来都是与众不同的，所以基本上，角落（角点）被认为是图像中的好特征。（不仅仅是角点，在某些情况下，斑点也被认为是好特征）。

所以，我们回答了“这些特征是什么？”这个问题。但是另一个问题又出现了，怎么找到它们呢？或者说怎么找到角点呢？我们以一个直观的方式回答了这个问题，即在图像周围的所有区域中查找当移动（少量）时具有重大变化的区域，这将在接下来的章节中被映射到计算机语言中。因此，找到这些图像特征称为特征检测。

我们在图像中找到了这些特征，一旦你找到了它，你应该能够在其他图像中找到它，这是怎么做到的呢？我在特征周围取一个区域，用我们自己的语言解释它，比如“上面是蓝天，下面是建筑物的区域，在该建筑物上有玻璃等”然后在其他图像中搜索相同的区域。基本上，您正在描述该特征。同样，计算机也应该描述特征周围的区域，以便在其他图像中找到它。所谓的描述称为特征描述。一旦你有了这些特征和它的描述，你就可以在所有的图像中找到相同的特征，并将它们对齐，拼接在一起或做任何你想做的事情。

因此，在本章节中，我们将使用OpenCV的不同算法来查找特征，描述特征和匹配特征。

【参考】

1. OpenCV 官方文档