算法探究——特征提取！

王绍昶

前面的方法能从图像中提取区域和亚像素精度轮廓，尽管区域和轮廓非常有用，但他们有时还是不够的，因为它们只包括跟个结果的原始描述，我们必须从分割结果中去除不想要的部分，有时还要对感兴趣无题进行测量，所有这些操作都需要能从区域或轮廓中确定一个或多个特征量。它们通常是实数，确定特征的过程就是特征提取。

1.区域特征

最简单的区域特征是区域的面积，区域的面积就是区域内的像素点的总和，

图 1 在阈值分割后得到的区域中存在许多的干扰信息，为了提取出需要的“公路”信息，对其“面积”特征进行筛选，选出大于5000的区域即是我们需要的信息

区域具有的特征还包括：坐标、宽度、高度、圆度、凹度、凸度、内/外接圆、内外接矩形等等。

2.灰度特征

区域内的灰度值的特征有：最大值、最小值、平均值、方差、标准偏差、灰度直方图、累计直方图等等。在一个区域内测出的平均值和标准偏差能用来建立一个线性灰度变换，此变换可以补偿亮度的变化，标准偏差能用来调整分割阈值，还能用来测量区域内存在的纹理的数量。

3.轮廓特征

区域的很多特征都能直接转化为亚精度轮廓特征，例如轮廓长度、最小外接平行轴矩形、轮廓的凸包、最小外接圆和任意方向上的最小外接矩形等等。轮廓的具有面积特征的条件是轮廓是闭合的且不能相交。