目標

在本章中，我們將嘗試理解什麼是特徵，為什麼拐角重要等等

解釋

你們大多數人都會玩拼圖遊戲。你會得到很多小圖像，需要正確組裝它們以形成大的真實圖像。問題是，你怎麼做？將相同的理論投影到電腦程式上，以便計算機可以玩拼圖遊戲呢？如果計算機可以玩拼圖遊戲，為什麼我們不能給計算機提供很多自然風光的真實圖像，並告訴計算機將所有這些圖像拼接成一個大圖像呢？如果計算機可以將多個自然圖像縫合在一起，那麼如何給建築物或任何結構提供大量圖片並告訴計算機從中創建3D模型呢？

好了，問題和想像力還在繼續。但這全都取決於最基本的問題：你如何玩拼圖遊戲？你如何將許多被擾的圖像片段排列成一個大的單張圖像？你如何將許多自然圖像拼接到一張圖像上？

答案是，我們正在尋找獨特的，易於跟蹤和比較的特定模板或特定特徵。如果我們對這種特徵進行定義，可能會發現很難用語言來表達它，但是我們知道它們是什麼。如果有人要求你指出一項可以在多張圖像中進行比較的良好特徵，則可以指出其中一項。這就是為什麼即使是小孩也可以玩這些遊戲的原因。我們在圖像中搜索這些特徵，找到它們，在其他圖像中尋找相同的特徵並將它們對齊。僅此而已。（在拼圖遊戲中，我們更多地研究了不同圖像的連續性）。所有這些屬性都是我們固有的。

因此，我們的一個基本問題擴展到更多，但變得更加具體。這些特徵是什麼？（答案對於計算機也應該是可以理解的。）

很難說人類如何發現這些特徵。這已經在我們的大腦中進行了編碼。但是，如果我們深入研究某些圖片並搜索不同的模板，我們會發現一些有趣的東西。例如，看以下的圖片：

圖像非常簡單。在圖像的頂部，給出了六個小圖像塊。你的問題是在原始圖像中找到這些補丁的確切位置。你可以找到多少正確的結果？

A和B是平坦的表面，它們散布在很多區域上。很難找到這些補丁的確切位置。

C和D更簡單。它們是建築物的邊緣。你可以找到一個大概的位置，但是準確的位置仍然很困難。這是因為沿著邊緣的每個地方的圖案都是相同的。但是，在邊緣，情況有所不同。因此，與平坦區域相比，邊緣是更好的特徵，但不夠好（在拼圖遊戲中比較邊緣的連續性很好）。

最後，E和F是建築物的某些角落。而且很容易找到它們。因為在拐角處，無論將此修補程序移動到何處，它的外觀都將有所不同。因此，它們可以被視為很好的特徵。因此，現在我們進入更簡單（且被廣泛使用的圖像）以更好地理解。

就像上面一樣，藍色補丁是平坦區域，很難找到和跟蹤。無論你將藍色補丁移到何處，它看起來都一樣。黑色補丁有一個邊緣。如果你沿垂直方向（即沿漸變）移動它，則它會發生變化。沿著邊緣（平行於邊緣）移動，看起來相同。對於紅色補丁，這是一個角落。無論你將補丁移動到何處，它看起來都不同，這意味著它是唯一的。因此，基本上，拐點被認為是圖像中的良好特徵。（不僅是角落，在某些情況下，斑點也被認為是不錯的功能）。

因此，現在我們回答了我們的問題，「這些特徵是什麼？」。但是出現了下一個問題。我們如何找到它們？還是我們如何找到角落？我們以一種直觀的方式回答了這一問題，即尋找圖像中在其周圍所有區域中移動（少量）變化最大的區域。在接下來的章節中，這將被投影到計算機語言中。因此，找到這些圖像特徵稱為特徵檢測。

我們在圖像中找到了特徵。找到它之後，你應該能夠在其他圖像中找到相同的圖像。怎麼做？我們圍繞該特徵採取一個區域，我們用自己的語言解釋它，例如「上部是藍天，下部是建築物的區域，在建築物上有玻璃等」，而你在另一個建築物中搜索相同的區域圖片。基本上，你是在描述特徵。同樣，計算機還應該描述特徵周圍的區域，以便可以在其他圖像中找到它。所謂的描述稱為特徵描述。獲得特徵及其描述後，你可以在所有圖像中找到相同的功能並將它們對齊，縫合在一起或進行所需的操作。

因此，在此模塊中，我們正在尋找OpenCV中的不同算法來查找功能，對其進行描述，進行匹配等。