寫在前面：用深度學習的方法調了一波引數，改了一波網路結構，回過頭，最想做的事情，當然是好好補一補計算機視覺的基礎，彌補一下對傳統計算機視覺理解的薄弱部分。所以，接下來，開始補習計算機視覺的基礎。供自己以後複習，看客僅供參考。

影象底層特徵提取是計算機視覺的基本步驟。那麼，接下來，就從what，why，how幾個方面，來一一解答。

一，什麼是影象底層特徵？

影象底層特徵指的是：輪廓和邊緣。

1.邊緣和輪廓能反映影象內容；

2.如果能對邊緣和關鍵點可靠提取的話，很多視覺問題就基本上得到了解決。

二，邊緣的物理意義

1.影象邊緣的產生

物體的邊界，表面方向的改變，不同的顏色，光照明暗的變化，都會產生影象邊緣。如圖1。

 圖1

2.影象邊緣的定義

-“邊緣時影象中亮度突然變化的區域。”

-“影象灰度構成的曲面上的陡峭區域。“

-”畫素灰度存在躍階變化或屋脊狀變化的畫素的集合。”

3.影象邊緣的型別

影象邊緣的型別包括：階梯狀邊緣，屋脊狀邊緣和線條狀邊緣。以灰度影象為例，灰度影象中邊緣的型別如圖2。

圖2

4.為什麼要提取邊緣？

-邊緣是最基本的影象特徵之一；

-可以表達物體的特徵；

-邊緣特徵對於影象的變化（幾何變化，灰度變化，光照方向變化）不敏感；

-可以為物體檢測提供有用的資訊；

-是一種典型的影象預處理過程。

三，如何提取邊緣？

對於灰度影象的邊緣提取而言，主要的思想包括：

-抑制噪聲（低通濾波，平滑，去噪，模糊）

-邊緣特徵增強（高通濾波，銳化）

-邊緣定位

流程如下：

原始影象->抑制噪聲 or 增強邊緣 -> 中間結果 -> 邊緣定位 -> 影象邊緣

具體來說，也就是通過影象微分運算元來實現。

包括：

-一階微分運算元（梯度運算元，prewitt, sobel），通過檢測最大值來實現；

-二階微分運算元（laplacian），通過檢測過零點來實現。

總結：計算機視覺的基礎入門之影象底層特徵，就是這樣啦。具體影象微分運算元，如何來提取影象底層特徵，卷積操作是怎麼實現的，我們下篇見！