6.1.1 经典的特征提取方法
图像的二维特征有形状、区域和纹理等特征。不同特征描述具有不同的提取算法。
1.形状特征
形状特征指图像中目标的几何特征，根据几何形状分为线形特征和块状形特征。
（1）周长、长宽比、复杂度、面积
目标长宽比是目标最小外接矩形的长度和宽度之比。它可以把不同几何形状的物体区分开来，比如长方形和正方形。假设目标的最小外界矩形长为L，宽为W，长宽比为
ψ1=L/W（6-1）
目标周长是指目标边界的长度，而面积是目标区域的像素总数。利用图像目标的面积和周长可简单和有效地把复杂与简单形状的物体区别开来。设目标周长为C，面积为S。
目标形状的复杂度是目标周长的2次方和面积的比值，目标形状越复杂，则相同面积目标的边缘长度就越长。公式为
ψ2=C2/S（6-2）
可以证明，这种目标复杂度特征定义与场景到镜头的距离无关，不失一般性。
假定目标在横坐标和纵坐标方向上进行了缩放因子为k的平移，那么目标的面积变为原来的1/k2，周长变为原先的1/k，代入上式，形状复杂度不变。
（2）矩特征
图像矩特征是由下式所定义的M（p，q）决定的
式中，{fij}是在目标区域内设为1，外设为0的二值化图像。由（p，q）值决定各种特征向量，常用的特征有主轴、重心等。
（3）傅里叶描述
在分析图像目标形状时，首先跟踪目标边界线，并把对应的封闭曲线，展开为傅里叶级数，则用展开的系数表示目标形状特征。
除以上特征外，一些具有连通性的特征参数，如欧拉数、孔数、连接成分数等，也可用于表示图形特征。
2.区域分割
区域分割是把图像对象物区域从背景中分割出来。最简单的方法就是把图像进行二值化处理，关键在于阈值的选取。较复杂的分割方法有：
（1）区域扩张法
区域扩张法就是把图像进行小区域分类，根据小区域的特征相似性，把图像分割成特征相似的连续区域群。根据区域形成过程的不同，又可分为合并、像素结合等方法。合并法的基本原理是把图像分割为Nx×Ny的子区域，通过研究邻接小区域的相似性，合并相似性较高的区域，反复进行，直到不能合并为止。
（2）聚类算法
该方法就是把像素作为一种模式，然后利用模式识别的理论进行区域分类。首先把图像像素变换到特征空间，然后利用分类法进行像素分类。在实际中，常用小区域来代替像素，有时用一维投影代替多维特征来进行目标区域分割。
3.纹理特征
纹理是区域具有的典型特征之一。常用的特征有：
（1）直方图特征
直方图特征是纹理区域的灰度直方图、方差和平均值等。但直方图并不能得到纹理的二维灰度的变化情况。通常需要进一步处理，可以与其他特征相结合，作为识别的特征。例如可以用二维统计量、能量、惯性矩等特征量，识别目标。
（2）傅里叶特征
纹理特征不仅可以在空域中描述，还可以在频域求得。首先计算出图像f（x，y）傅里叶变换F（x，y）的功率谱P（u，v），转换成极坐标为p（r，θ），再求出：
式中，ω表示P（u，v）的大小，于是可用p（r）和q（θ）的波峰的大小和位置，p（r）和q（θ）的方差和平均值作为纹理特征。
通常图像有多个纹理区域，要想获得纹理特征，必须进行纹理分割。可以使用直方图分割法，也可以进行边缘检测。边缘检测法就是图像目标相邻像素急剧变化，可以用边缘检测算子检测，算子可分为两大类：一次微分得到的，如Roberts算子、Sobel算子、Prewitt算子等；二次微分得到的，如拉普拉斯算子、高斯-拉普拉斯算子。