浅述计算机视觉中的图像特征及提取方法

浅述计算机视觉中的图像特征及提取方法

张兰

天津中科智能技术研究院有限公司天津300400

摘要：计算机通过对图像的检测、识别和处理能够获取大量的信息，相对于人们通过自身感官了解社会来说，使得图像识别技术具有远大的发展前景。当前计算机技术已经开始在各个行业进行应用，带动计算机图像识别技术的发展。计算机图像识别技术的发展和应用对各个行业的发展以及社会的进步都具有非常重要的作用。因此必须要加强对计算机图像识别技术的应用研究，及时发现其中的细节问题，并提出相应的解决建议。

关键词：计算机；视觉；图像特征；提取方法

1图像特征

1.1颜色特征

颜色特征是图像特征中的一种全局特征，它直观地描述了图像中物体的表面性质。但颜色对图像区域的方向、大小等变化不敏感，故颜色特征不能很好表述图像中的局部特征。颜色特征主要的提取方法有量化颜色直方图和聚类颜色直方图，两种方法的适用颜色空间不同，前者适用于RGB和HSV等均匀颜色空间，后者适用于Lab等非均匀空间。量化颜色直方图的操作简单，计算高效，但存在量化问题，如果颜色相对单调还容易产生分布稀疏的问题。对于Lab等非均匀空间，使用K-means聚类算法对所有像素点的颜色向量进行聚类，直方图的区间单元由聚类中心代表。

1.2几何特征

常见的几何特征有边缘（Edge）、角点（Corner）以及斑点（Blob）。边缘是指梯度、亮度、颜色交界处以及面与面相交、线与线相交等像素有明显变化的区域，即图像中某一特性在某一方向上分布的不连续处。对于复杂图片，可以先将彩色图像转化为灰度图像，再对其某一方向的灰度值函数求一阶导数，得到的一阶导数的高于某个阈值的极值区域即边缘区域。该阈值也是一个超参数，若阈值设置过低，边缘提取不精确，导致得到的边缘区域信息量过大，进而可能会导致计算量过大；若阈值设置过高，提取到的边缘区域过少，则会导致信息质量较低。边缘提取时一阶导数对噪声极为敏感，故应先进行高斯去噪，再使用一阶导数获取极值。

1.3纹理特征

纹理特征作为一种全局性的特征，具有可以反映物体表面的特性。纹理特征与角点类似，具有旋转不变性；但又区别于角点，具有良好的抗噪性能，同时有可能会受到光照或反射的影响。纹理特征的常用提取方法有方向梯度直方图（HOG）、局部二值模式（LBP）和Gabor滤波器组。

基于局部方格单元的方向梯度直方图通常适用于图像中的人体检测，图像中的几何和光学的变化不会影响图像提取的结果。该方法的优点是简单高效且不需要做高斯模糊。局部二值模式一般应用于人脸特征的分析。它所计算出的二进制模型简单直观。只需将图像中每个像素点与周围的像素点进行比较阈值化即可得到LBP编码。

以某个像素点为中心，画出半径为r的圆，在圆周上均匀采样p个点，与中心像素点进行比较，将数值大小量化为0或1，当小于中心像素点时量化为0，反之量化为1，将得到的多位bit按照顺（逆）时针组成一个数，该数即中心像素点的LBP编码，同时该数值可以作为直方图的一个bin，遍历操作所有像素点，每有一个相同的bin，该区间上的数值增加1，最终可以得到一个描述图像纹理特征的直方图。如图2-9所示，以中心像素点为圆心，绘制了一个半径为2的圆，均匀采样8个点，通过比较具体数值可以量化为图2-10，从中心像素点正上方的像素点按照顺时针进行编码，得到二进制编码00001101，即为其中心像素点的8bits的LBP编码。

Gabor滤波器组在二维空间中本质上是高斯核函数和正弦平面波的乘积，因此其具有高斯核的特性。与人类的视觉系统类似，可以用多个滤波器捕捉多尺度多方向多频率的信息。

2计算机图像识别技术的发展现状

从计算机图像识别技术的发展情况来看，在发展的过程中可以分为三个过程，第一个过程仅为对文字的识别，第二个过程为对数字化信息的识别和处理，第三个过程是对物体的识别和分析。其中在文字识别阶段是从20世纪50年代开始的，当时的文字识别主要包括符号和字母，而且这种识别技术被广泛的应用到众多的领域中；第二个过程是从20世纪60年代开始应用，在科技发展的引领下，图像识别技术中开始注重数字图像的应用，使得数字化图像的处理更便捷，为图像识别技术的发展奠定基础。在前两个阶段的发展过程中，开始引入人工智能技术，通过智能技术的识别功能应用，为各个行业的发展提供了有力的技术支持。当前通过专家以及学者的不断研究，计算机图像识别技术越来越成熟，在清晰度、处理速度等方面都有很大的提升。

3智能化处理技术的分析

计算机图像处理技术具体指的是利用计算机对图像进行处理，具有准确性和快速性的一种图像处理的方式。当前这种图像处理技术已经被广泛的应用到各个企业和领域中，成为人们生活中重要的技术形式。当前科学技术的发展逐渐向智能化方向迈进。图像识别技术通过与智能化的结合，能够将信息转化为数字信号进行处理。在智能化处理过程中提升信息的抗干扰性，而且处理的图像在传输以及保存过程中更便捷。

4计算机图像识别智能化的突破对策

4.1注重计算机处理速度的提升

信息时代的发展中，计算机的处理能力和速度对生产、生活以及科学研究等都具有重要的影响作用。特别是对于图像智能化的处理来说，要求计算机的处理速度必须要达到标准。在软硬件建设方面，必须要根据技术发展的需要及时进行革新，提升计算机处理速度以及图像处理质量和销量。同时通过对软硬件设施的建设以及处理速度的提升也是智能化识别和处理的重要保障。通过对计算机处理速度的提升，有利于对图像数据的整理和压缩，可以根据人们对图像处理的要求，对图像处理技术和质量进行优化。

4.2注重科技的多维化发展

技术的发展过程中逐渐融合，随着智能技术、信息技术以及计算机技术的融合发展，能够将传统的二维模式处理向三维模式处理方向发展，通过三维成像技术的应用提升图像处理的清晰性和准确性，可以通过图像识别技术以及智能化处理等方式对应用的领域进行扩展。社会的创新发展，必然会产生更多的计算方式，实现对图像识别技术的优化，逐渐向智能化发展。并做好对信息数据的分类，将二维图像转变为具有高清晰、高准确性的多维立体图像。

5计算机图像处理技术的发展前景

随着信息化社会的不断发展，计算机图像处理技术取得了较大发展和进步，正逐步趋于成熟发展阶段。但是，人们对计算机图像处理技术的需求不断变化，计算机图像处理技术需要不断改革与创新，进而有效提升实用性，为社会创造更大的价值。相关技术人员需要致力于计算机图像处理新型软件的开发工作，根据广大用户的普遍要求，不断完善软件升级工作，使系统与软件具有操作简单、方便且功能全面的优势，为用户创造更多便利。

结语

计算机视觉作为人工智能的基础，特征提取更是当中的一个重要概念，即将图像中具有不同特征的像素点划分为不同的子集，使每个子集都具有不同的特性。随着时代的发展和提取方法的改进与优化，提取到的图像特征也越发精细准确，为图像处理的后续操作提供了更多的可能性。

参考文献

[1]张锡英,车鑫.图像颜色特征提取及其分类研究[J].安徽农业科学,2014,42(07):2196-2198.

[2]李姗姗.彩色图像边缘检测相关算法研究[D].西北大学,2018.

[3]张素杰,柯瑜.计算机图像识别的智能化处理技术探讨[J].科技风,2018(27):80.

[4]师茂,张素杰,柯瑜.浅谈计算机图像识别的智能化处理技术瓶颈与突破[J].科技风,2018(27):95.