一、Haar-like

1、簡述：Haar-like被提出時用於人臉識別，通過計算Haar特徵值來表示影象灰度值的變化，常見的矩形特徵只能表徵一些簡單的圖形，對邊緣、線段比較敏感。通常分為三類：邊緣特徵，線性特徵，中心特徵和對角特徵。

2.在上圖中，我們把每個圖稱為特徵模板。我們對Haar特徵值的定義是：一幅影象中所有白色區域的畫素的和減去所有黑色區域畫素的和。Haar特徵也是基於灰度圖的

我們把特徵模板放在我們要處理的影象上，改變特徵模板的大小和位置，以此來獲取特徵值。

注意：對於2-（a）的特徵值的計算：v=sum（白）-2*sum（黑） 乘上2的目的是保證黑白畫素個數保持一致

ps：opencv中有封裝的HAAR 和 adaboost

二、積分圖

目的（和Haar的關係）：加快Haar特徵值的計算速度

1、構造積分圖

積分圖的構造方式是位置（i,j）處的值ii(i,j)是原影象(i,j)左上角方向所有畫素的和：

1）用s(i,j)表示行方向的累加和，初始化s(i,-1)=0;

2）用ii(i,j)表示一個積分影象，初始化ii(-1,i)=0；//保證影象區域外的畫素值都是0

3）逐行掃描影象，遞迴計算每個畫素(i,j)行方向的累加和s(i,j)和積分影象ii(i,j)的值

s(i,j)=s(i,j-1)+f(i,j) //f(i,j)位置上的畫素值加上他左邊的所有畫素值

ii(i,j)=ii(i-1,j)+s(i,j) //這一行上面所行的畫素加上這一行的畫素 列數小於等於j

4）掃描影象一遍，當到達影象右下角畫素時，積分影象ii就構造好了。

後續會把程式碼附上。。。。