“图像特征提取”

图像金字塔
图像金字塔化一般包括两个步骤：
（1）图像经过一个低通滤波器进行平滑；如：

w = fspecial('Gaussian',3,0.5);
[m,n] = size(I);
I = imfilter(f,w,filtering_mode,boundary_opition,size_opition);

（2）对平滑后的图像进行抽样，比例一般在水平和垂直方向上都为 1/2 $1/2$。如：

img = I(1:2:m,1:2:n);%降采样

图像的矩特征
不变矩是一种高度浓缩的图像特征，具有平移、尺度、旋转等不变性。
Hu $Hu$矩
Zernike $Zernike$矩
图像的边缘检测
了解了以下几种方法：
运用一阶微分算子检测图像边缘
运用二阶微分算子检测图像边缘（ LoG $LoG$方法）
基于 Canny $Canny$算子检测图像边缘
基于 SUSAN $SUSAN$特征检测算子的边缘提取
基于小波变换模极大值的边缘检测
基于二维有限冲击响应滤波器的特定角度边缘检测
基于多尺度形态学梯度的边缘检测
斑点特征检测
LoG $LoG$斑点
DoH $DoH$斑点
Gilles $Gilles$斑点
检测算法基于图像的局部纹理特征对斑点进行检测；
核心思想：求待检测图像的局部熵值之后，检测其局部极值；
具体步骤：（1）建立圆形掩模；
（2）在图像中求局部邻域（与掩模区域大小相同）的熵值；
（3）求局部熵的局部极值；
（4）与设定的阈值比较，大于阈值的位置便是所要检测的 Gilles $Gilles$斑点位置。
掩模
有关掩模学习参考一下两篇文章
https://blog.csdn.net/jinxiaonian11/article/details/53467437
https://wenku.baidu.com/view/bc1407d6b14e852458fb57cd.html
掩膜是一种图像滤镜的模板，实用掩膜经常处理的是遥感图像。当提取道路或者河流，或者房屋时，通过一个n*n的矩阵来对图像进行像素过滤，然后将我们需要的地物或者标志突出显示出来。这个矩阵就是一种掩膜。

%建立掩模(mask)区域
mask = fspecial('disk',radius)>0;
%计算掩模区域的局部熵值
loc_ent = entropyfilt(im,mask);
%寻找局部最值
[1,c,tmp] = findLocalMaximum(loc_ent,radius);

总结对图像中斑点检测的步骤主要分两部分：一是生成掩模，对图像进行卷积运算；而是搜索局部响应的峰值。
角点特征检测
角点检测是计算机视觉和数字图像领域常用的一种算子。
角点可从两个不同的角度定义：两个边缘的交点；领域内具有两个主方向的特征点。
Harris角点检测
方法一：具体步骤及实现
https://github.com/iCassiel/ImageProcessing-MATLAB/blob/master/test_Harris.m

%进行非极大值抑制，窗口大小3*3
corner_peaks = imregionalmax(R);
countnum = sum(sum(corner_peaks));

方法二：
调用C = cornermetric(I,’Harris’);