一、顏色特徵

二、幾何特徵

邊緣

定義

像素值函數快速變化的區域 / 一階導數取到極值的時候就是邊緣 / 灰度發生明顯變化的區域

邊緣提取

• 先高斯去噪，再使用一階導數獲取極值

• 導數對噪聲敏感

  三、特徵描述子

  從不同距離，不同的方向、角度，不同的光照條件下觀察一個物體時，物體大小、形狀、明暗有所不同。所以我們需要一個理想的特徵描述子，使得我們可以識別該物體。

  哪些會成為關鍵點？

  （1）Harris角點：在任何方向上移動小觀察窗，導致大的像素變動。
  
  （2）FAST角點：某像素點與其周圍領域內足夠多的像素點處於不同的區域。

  • 優點：快！
  • 缺點：沒有多尺度特徵，也沒有方向信息。

（3）斑點：（邊界）一階導數極值點 -> 二階導數零點 （斑點）二階導數極值的地方

• 做法：圖像 -> 高斯卷積濾波 -> 拉普拉斯算法（LoG）進行邊緣檢測
• 尋找斑點：LoG圖找極值點 -> 斑點
• 作用：可以找到不同尺度的特徵，斑點可以定義一些局部特徵

  局部特徵

  尺度不變特徵轉換（SIFT）

• SIFT 特徵是基於物體上的一些局部外觀的興趣點而與影像的大小和旋轉無關。 對於光線、雜訊、些微視角改變的容忍度也相當高。
• 使用 SIFT 特徵描述對於部分物體遮蔽的偵測率也相當高，甚至只需要3個以上的 SIFT 物體特徵就足以計算出位置與方位。
• 缺點：計算太複雜，如果不藉助硬件加速或專門圖像處理軟件很難實現、

Haar-like特徵：haar特征值反應了圖像的灰度變化。
改進—提高速度：SURF
特點：加速3倍 / 亮度變化下效果好 / 模糊方面優於SIFT / 尺度不變上不及SIFT / 旋轉不變性也不及SIFT
ORB特征描述 速度快！

四、其他特徵提取