摘要：
类别可分离性判据特征提取与选择的共同任务是找到一组对分类最有效的特征，有时需要一定的定量准则（或称判据）来衡量特征对分类系统（分类器）分类的有效性。换言之，在从高维的测量空间到低维的特征空间的映射变换中，存在多种可能性，到底哪一种映射变换对分类最有效，需要一个比较标准。此外，选出低维特征后，其组合的可能性也不是唯一的，故还需要一个比较准则来评定哪一种组合最有利于分类。 1．可分离性判据满足的条件 从理论上讲，可以用分类系统的错误概率作为判据，选取分类系统错误（概）率最小的一组特征作为最佳特征。但在实践中；由于类条件分布密度经常是未知的，且即使已知其分布但难于用计算机实现。因此，要研究实用的判据 阅读全文
摘要：
区域填充即给出一个区域的边界，要求对边界范围内的所有象素单元赋予指定的颜色代码。区域填充中最常用的是多边形填色，本节中我们就以此为例讨论区域填充算法。多边形填色即给出一个多边形的边界，要求对多边形边界范围的所有象素单元赋予指定的色代码。要完成这个任务，一个首要的问题，是判断一个象素是在多边形内还是外。数学上提供的方法是“扫描交点的奇偶数判断”法：1、将多边形画在纸上。2、用一根水平扫描线自左而右通过多边形而与多边形之边界相交。扫描线与边界相交奇次数后进入该多边形，相交偶次数后走出该多边形。图2.3.1示出这类情况：扫描线与多边形相交四点。相交a点之后入多边形；交b点（第2交点）之后出多边形；交 阅读全文
摘要：
来源：http://blog.csdn.net/byxdaz/article/details/651473 阅读全文
摘要：
特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 特征的定义 至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。 特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查.. 阅读全文