计算机自动提取和储存图像特征,浅述计算机视觉中的图像特征及提取方法

姜文泽

摘要：计算机视觉是人工智能领域中的一个重要分支，更是人工智能的基础。人工智能领域中的信息多种多样，其中图片信息即视觉信息比其他信息如触觉、听觉信息要重要得多。该文将简要概述计算机视觉领域中图像操作所要进行的第一步——图像特征提取时的图像特征以及提取过程中所用到的方法。

关键词：计算机视觉;图像特征;特征提取方法

中图分类号：TP3        文献标识码：A

文章编号：1009-3044(2019)16-0185-02

开放科学(资源服务)标识码(OSID)：

1  提取方法

1.1  直方图

直方图(Histogram)作为一个统计手段，具有一定的统计作用，同时其不仅可以表示一般数据的分布，也可以对图像的数据或特征进行统计，生成图像特征分布的直方图，譬如灰度、颜色、梯度(边缘)、形状、纹理、局部特征点等。

直方图本质上是对图像的原始特征或数据进行降维，通过对其特征进行处理、对其数据分布进行建模，使数据具有一定的总结性，同时可以有效节省存储空间、简化运算量，更易于查看和分析，为进一步图像处理或分析做准备。

1.2  聚类

聚类(Clustering)是一种可以取代直方图的特征提取方法，该方法可以通过基于数据的无监督训练得到更稳定的值。其目标是找到混合样本集中存在的内在的群组关系，即对对象集合分割分块或分组为不