宗教堪称绝世的宋画,一写传过去,张择端

Atitit图像识别的常用特征颇总结attilax大总结

张择端(1085年—1145年),字正道。汉族,琅邪东武(今山东诸城)人。北宋著名画家。他的风俗画《清明上河图》,系世界名画之一,也是他的代表作,描绘当年汴京近郊在晴朗令社会各阶层的存情景,真实鲜活,是一律项具有重要历史价值跟杰出艺术成就的妙风俗画。经过将近千年的漫长岁月,至今以完好地保留于京城故宫博物院。

 

张择端他从小好学,早年游学汴京(今河南开封),后习绘画。宋徽宗时供职翰林图画院,专工界画宫室,尤擅绘舟车、市肆、桥梁、街道、城郭。后“以失位家居,卖画为生,写来《西湖争标图》、《清明上河图》”。他是北宋末年杰出之现实主义画家,其创作大多失传,存世《清明上河图》、《金明池争标图》,为本国古代之主意珍品。这半项作品现存北京故宫博物院。另外,天津艺术博物馆收藏有签字“张择端”的幅度《西湖争标图》,系委托的作,该著作现都改成至天津博物馆。《清明上河图》尚存,是《东京梦华录》、《圣畿赋》、《汴都赋》等创作的顶尖图解,具有巨大的考史价值,不只继承发展了老都失传的中华太古风俗画,尤其继承了北宋最初历史风俗画的优良传统。

1.1.
常用的图像特点来颜色特征、纹理特征、形状特征、空间关系特征。 1

代表作品

1.2.
HOG特征:方向梯度直方图(Histogram of
Oriented Gradient, HOG)1

《清明上河图》本是进献给宋徽宗的供品,流传至今已有800大抵年之史。其主题主要是摹写北宋都城东京城市居民之生活状况和汴河上企业林立、市民摩肩接踵的红火场面,描绘了运送东南粮米财货的漕船通过汴河桥涵紧张忙碌的景象。作品气势恢弘,长528.7厘米、宽24.8厘米,画生587独不等位置的人选,个个形神兼备,并打起13栽动物、9种植物,其态无不惟妙惟肖,各种牲畜共56匹,不同车轿二十不必要部,大小船只二十余条。这档子现实主义的名作,是研究北宋东京城市经济同社会生存的名贵历史材料。《金明池争标图》描绘的凡当今带领近臣到金明池观水战、赛龙舟的隆重场面,图长28.6厘米、宽28.5厘米,略呈正方形。小小的画面,把方圆9里大多之池面及池岸边的光景悉数摹画下来。着重描写池中之大龙舟及四周的小船,用状态结合的手腕,概括地描绘来了金明池的漫天光景和上看争标的外场,画面紧凑,结构严谨,主题突出。

1.3.
(二)LBP特征 LBP(Local Binary Pattern,局部二值模式)是相同种用来讲述图像局部纹理特征的算子4

成就

1.4.
;它具备旋转不变性和灰度不变性等家喻户晓的助益。它是首先由T.
Ojala, M.Pietikäinen, 和D. Harwood
在1994年提出,用于纹理特征提取。而且,提取的特点是图像的一对的纹理特征;4

北宋著名画家张择端的增长卷风俗画《清明上河图》,是我国绘画史上之稀世奇珍,画的瑰宝。它之所以现实主义手法,全景式构图,
生动细致地描写了北宋王都开封汴京时的船船往来,飞虹卧波,店铺林立,人烟稠密的红火景象和长的社会生存习俗风情。全图规模宏大,结构严密,构图起伏有序,其笔墨技巧,兼工带写,活泼简练,人物栩栩如生逼真,
牲畜形态,房舍、舟车、城郭、桥梁,树木、河流、无一不至臻至妙,称得达妙笔神工。综数我国古代绘画,多发生那种士大夫的恬淡,实难找到类似“清明齐河图”这样不惜为恢宏的笔墨,描绘数以百计的万众市俗生活和商业经济活动,将大众置于主人地位,并加以科学地办法席卷,这当中华先描绘中凡无多见底,就是在现代写中呢是难得一见的。此画的率先各类收藏人是宋徽宗,是外就此瘦金体亲笔在绘画上题写了“清明达到河图”五只字。

1.5.
(三)Haar特征1、Haar-like特征8

作欣赏

1.6.
颜料直方图是最常用之达颜色特征的法子12

宋 张择端 《清明上河图》 绢本设色 纵24.8厘米 横528.7厘米
北京故宫博物院藏

1.7.
颜色集 (如 HSV 空间12

《清明上河图》本是进献给宋徽宗的供品,流传至今已有800大抵年之史。它因此现实主义手法,全景式构图,生动细致地描绘了北宋王都开封汴京时之轮船往来,飞虹卧波,店铺林立,人烟稠密的热闹景象与丰富的社会生存传统风情。全图规模宏大,结构严密,构图起伏有序,其笔墨技巧,兼工带写,活泼简练,人物生动逼真,牲畜形态,房舍、舟车、城郭、树木桥梁、河流、无一不至臻至妙,称得达妙笔神工。作品气势恢弘,长528.7厘米、宽24.8厘米,画出587单例外身份的人物,个个形神兼备,并打生13种动物、9种植物,其态无不惟妙惟肖,各种牲畜共56相当,不同车轿二十不必要部,大小船只二十余艘。这档子现实主义的大作品,是钻北宋东京都经济和社会在的弥足珍贵历史材料。《金明池争标图》描绘的凡王带领近臣到金明池观水战、赛龙舟的繁华场面,图长28.6厘米、宽28.5厘米,略呈正方形。小小的画面,把方圆9里多的池面及池岸边的景观悉数摹画下来。着重描写池中之大龙舟及四周的小船,用状态结合的一手,概括地画画出了金明池的全部景致和皇帝看争标的排场,画面紧凑,结构严谨,主题突出。

1.8.
模样特征12

张择端的《清明上河图》,其惊人的法成就,还呈现在都图规模宏大,结构严密,引人入胜。人物以及景观的黑幕、疏密、动静等,都存有无可争辩的时代感、节奏感和韵律感,表现了音量起伏性和动作性。它既出界画工整准确之长处,又起整体统一的性状,充分发挥了半工笔半写意人物画生动活泼的独到之处。是我国现实主义绘画传统的最美代表作。

1.9.
纹理特征phash(貌似是纹理特征将12

在描绘题材方面,《清明上河图》突破了唐以来的人物画第一为宗教活动暨贵族生活也罢题材的界定,开始着力表现新兴市民阶层的活场面。而面的很,场面之宏大,人物之多,描写的细腻、逼真、生动,艺术技能的高明、纯熟,都是亘古仅发生。这充分说明了,我国以人物为主底风俗画,发展及宋代,已经注意到人同地的无微不至融合,使之水乳交融,开拓起了新的程度,特别是在描写普通劳动人民之生存和情趣方面,更是冲破了民俗题材之受制,这对后民间年画如《西湖景象》、《姑苏万年桥》、《三十六行》等,也是同等栽启迪。

1.10.
参考12

爽朗达成河图有欣赏

 

谢张,阳阳说写从为为公展现精彩画卷。

 

迎接收藏转发,如产生问题欢迎在评价处留言。

1.1. 常用之图像特点来颜色特征、纹理特征、形状特征、空间关系特征。 

 

请关注“阳阳说写”,阳阳说打每日也您推荐当代、历代书画作品精选。谢谢!

1.2. HOG特征:动向梯度直方图(Histogram of Oriented Gradient, HOG)

特征是一模一样种植在电脑视觉与图像处理着因故来开展物体检测的特征描述子。它经过测算和统计图像局部区域之梯度方向直方图来成特征。Hog特征结合
SVM分类器已经深受广泛应用于图像识别中

 

1.2.1.1. 2、HOG特征提取算法的落实过程:

1.2.1.2. 大体过程:

HOG特征提取方法就是用一个image(你一旦检测的目标还是扫描窗口):

1)灰度化(将图像看做一个x,y,z(灰度)的老三维图像);

2)采用Gamma校正法对输入图像进行颜色空间的标准化(归一化);目的是调节图像的针对性比度,降低图像局部的阴影和光照变化所招的熏陶,同时可以遏制噪音的干扰;

3)计算图像每个像素的梯度(包括大小以及动向);主要是为了抓获轮廓信息,同时更加减弱光照的烦扰。

4)将图像划分成小cells(例如6*6像素/cell);

5)统计每个cell的梯度直方图(不同梯度的个数),即可形成每个cell的descriptor;

6)将各个几个cell组成一个block(例如3*3单cell/block),一个block内有着cell的特点descriptor串联起来就抱该block的HOG特征descriptor。

7)将图像image内的享有block的HOG特征descriptor串联起来便好收获该image(你若检测的对象)的HOG特征descriptor了。这个就是是最终的可供应分类下的特征向量了。

  

1.3. (二)LBP特征 LBP(Local Binary Pattern,局部二值模式)是如出一辙栽用来描述图像局部纹理特征的算子

1.4. ;它兼具旋转不变性和灰度不变性等鲜明的优点。它是率先是因为T. Ojala, M.Pietikäinen, 和D. Harwood 在1994年提出,用于纹理特征提取。而且,提取的表征是图像的局部的纹路特征;

1.4.1.1. 1、LBP特征的叙说

旧的LBP算子定义为当3*3底窗口外,以窗口中心像素为阈值,将附近的8独如从的灰度值与该展开较,若周围像素值大于中心像素值,则该像素
点的位置让记为1,否则为0。这样,3*3邻域内之8只点通过于而发8各项二上前制数(通常转换为什前进制数即LBP码,共256种),即获取该窗口中心像
素点的LBP值,并就此是价来体现该区域的纹路信息。如下图所示:

 

1.4.1.2. LBP的精益求精版:

本来的LBP提出后,研究人口不停对其提出了各种改进和优化

1.4.1.3. (1)圆形LBP算子:

基本的
LBP算子的无限酷缺点在它不过盖了一个恒定半径范围外之粗区域,这肯定不克满足不同尺寸以及效率纹理的需要。为了适应不同标准之纹理特征,并达成灰度和旋
转不变性的求,Ojala等对 LBP 算子进行了改进,将
3×3邻域扩展及任意邻域,并为此圆形邻域代替了刚方形邻域,改进后的 LBP
算子允许在半径为 R
的圈邻域内产生擅自多单如素点。从而获得了例如半径为R的旋区域外富含P个采样点的LBP算子;

 

1.4.1.4. (2)LBP旋转不转移模式

打 LBP 的概念可以看来,LBP
算子是灰度不变换的,但也未是转不换的。图像的转就会见赢得不同的
LBP值。

Maenpaa等人口又将
LBP算子进行了扩大,提出了富有旋转不变性的 LBP
算子,即持续转动圆形邻域得到同多重初始定义的
LBP值,取其无与伦比小值作为该邻域的 LBP 值。

贪图 2.5 给闹了求取旋转不换的 LBP
的经过示意图,图中算子下方的数字代表该算子对应之 LBP值,图被所著之 8 种植
LBP模式,经过旋转不变换的处理,最终取得的有旋转不变性的 LBP值为
15。也就是说,图被的 8种 LBP 模式对应的盘不转移的
LBP模式都是00001111。

 

1.4.1.5. LBP特征用于检测的法则

众所周知的凡,上述提取的LBP算子在每个像素点都可获一个LBP“编码”,那么,对同幅图像(记录之是每个像素点的灰度值)提取其原有的LBP算子之后,得到的原始LBP特征依旧是“一幅图”(记录的凡每个像素点的LBP值)。

 

1.4.1.6. 3、对LBP特征向量进行领取的步骤

(1)首先用检测窗口划分为16×16底略区域(cell);

(2)对于每个cell中的一个像素,将附近的8个像从的灰度值与那进行较,若周围像素值大于中心像素值,则该像素点的位置为标记为1,否则为0。这样,3*3邻域内的8单点通过比较而出8个二上制数,即得到该窗口中心像素点的LBP值;

(3)然后计算每个cell的直方图,即每个数字(假定是十进制数LBP值)出现的效率;然后对该直方图进行归一化处理。

(4)最后以赢得的每个cell的统计直方图进行连接成一个特征向量,也即是整幅图的LBP纹理特征向量;

下一场就是只是应用SVM或者其它机器上算法进行归类了

1.5. (三)Haar特征1、Haar-like特征

Haar-like特征最早是由Papageorgiou等以为口脸表示,Viola与Jones在此基础及,使用3种档次4种样式的性状。

Haar特征分为三类:边缘特征、线性特征、中心特征和指向角线特征,组合成特色模板。特征模板内出白色和黑色两栽矩形,并定义该模板的特征值为白
色矩形像素和削弱去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。例如:脸部的一对特色会由矩形特征简单的讲述,如:眼睛要于脸颊颜色要死,鼻
梁两侧比鼻梁颜色如非常,嘴巴比较周围颜色要特别等。但矩形特征只针对有简短的图样结构,如边缘、线段较敏感,所以只能描述特定走向(水平、垂直、对角)的结
构。

 

于图中之A,
B和D这好像特性,特征数值计算公式为:v=Sum白-Sum黑,而对C来说,计算公式如下:v=Sum白-2*Sum黑;之所以用黑色区域像素和乘以2,是以使少数种植矩形区域中像素数目一致。

通过改动特征模板的大大小小以及职位,可在图像子窗口被穷举出大气底风味。上图的风味模板称为“特征原型”;特征原型在图像子窗口中扩张(平移伸缩)得到的特征称为“矩形特征”;矩形特征的值称为“特征值”。

积分图是同一栽能够描述全局信息的矩阵表示法。积分图的构造方式是岗位(i,j)处的值ii(i,j)是原先图像(i,j)左上角倾向有着像从的及:

 

 

1.5.1.1. 积分图构建算法:

1)用s(i,j)表示行方向的丰富和,初始化s(i,-1)=0;

2)用ii(i,j)表示一个积分图像,初始化ii(-1,i)=0;

3)逐行扫描图像,递归计算每个像素(i,j)行方向的增长和s(i,j)和积分图像ii(i,j)的值

s(i,j)=s(i,j-1)+f(i,j)

ii(i,j)=ii(i-1,j)+s(i,j)

4)扫描图像一周,当到达图像右下角像素时,积分图像ii就布局好了。

积分图构造好下,图像中任何矩阵区域的像素累加和还得通过简单运算得到如图所示。

 

设D的季个终端分别吗α、β、γ、δ,则D的像素和可以象征也

Dsum =
ii( α )+ii( β)-(ii( γ)+ii( δ ));

要Haar-like特征值无非就是是片只矩阵像素和的差,同样可以当常数时间内做到。所以矩形特征的特征值计算,只同这特征矩形的端点的积分图有
关,所以无这个特征矩形的规格变换如何,特征值的算计所吃的时空都是常量。这样如果遍历图像一不好,就足以求得所有子窗口的特征值。

1.5.1.2. 3、Haar-like矩形特征进行

Lienhart
R.等对Haar-like矩形特征库作了进一步壮大,加入了转45 。 角的矩形特征。扩展后底表征大致分为4种色:边缘特征、线特征环、中心环绕特征及对角线特征:

 

于特征值的测算过程遭到,黑色区域的权值为负值,白色区域之权值为正。而且权值与矩形面积成反比(使有限栽矩形区域中像素数目一致);

1.5.1.3. 竖直矩阵特征值测算:

对于竖直矩阵,与方2处说之同。

1.5.1.4. 45°旋角的矩形特征计算:

对45°旋角的矩形,我们定义RSAT(x,y)为点(x,y)左上角45°区域及左下角45°区域的例如素和。

 

于是公式可以象征也:

 

为省时间,减少重复计算,可随如下递推公式计算:

 

如若计量矩阵特征的性状值,是位于十字行矩形RSAT(x,y)之差。可参照下图:

 

1.6. 颜料直方图是绝常用之达颜色特征的主意

1.7. 颜色集 (如 HSV 空间

1.8. 相特征

1.9. 纹理特征phash(貌似是纹理特征将

1.10. 参考

图像特征提取三大法宝:HOG特征,LBP特征,Haar特征 - OPEN 开发经历库.html

Atitit  图像特点总结暨图像特征提取算法 attilax 总结

诚如图片检索的老三种哈希算法 _ IT瘾.html

关押起像它——图像搜索其实为不难 - 阳光日志 - 博客频道 - CSDN.NET.html

 

 

笔者:: 绰号:老哇的爪子claw of
Eagle 偶像破坏者Iconoclast image-smasher

捕鸟王"Bird Catcher 王中之王King of Kings 虔诚者Pious 宗教信仰捍卫者 Defender of the Faith. 卡拉卡拉红斗篷 Caracalla red
cloak

简称:: Emir
Attilax Akbar 埃米尔 阿提拉克斯 阿克巴

全名::Emir
Attilax Akbar bin
Mahmud bin  attila
bin Solomon Al Rapanui 

埃米尔 阿提拉克斯 阿克巴 本 马哈茂德 本 阿提拉 本 所罗门  阿尔 拉帕努伊   

常用名:艾提拉(艾龙),   EMAIL:1466519819@qq.com

转载请注明来源:attilax的专栏   http://www.cnblogs.com/attilax/

--Atiend

 

相关文章

Comment ()
评论是一种美德,说点什么吧,否则我会恨你的。。。