智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
品牌
其他品牌
圖像特征提取指的是從初始的數字圖像數據中挖掘出能夠精準、完整且不冗余地描述目標對象的信息。從上述定義中可以看出，基于人工特征工程進行缺陷檢測最關鍵的步驟就是從圖像中提取出缺陷的特征信息。若提取的特征不夠精準，那么依賴于該特征做出的判斷也必然是不準確的。同時，若提取的特征不夠精煉、特征空間維度過大，可能導致后續判別算法的復雜性極高，陷入“維度災難”。
業內進行表面缺陷檢測時常用的圖像特征有幾何特征、形狀特征、顏色特征、紋理特征和灰度特征。
缺陷最基本的特征就是幾何特征，一般用缺陷的區域周長、面積大小、位置和缺陷質心等信息來表示。缺陷周長和面積大小分別為缺陷邊界及內部的像素點數量，通過統計像素個數即可提取其幾何特征。
形狀特征指的是其矩形度、細長度、圓形度、致密度、不變矩、偏心率等描述信息。對形狀特征的描述主要可以分為基于輪廓形狀和基于區域形狀兩類，區分方法在于形狀特征僅從輪廓中提取還是從形狀區域中提取。幾何特征和形狀特征的結合是區分缺陷類型的重要依據。
顏色特征是圖像檢索中應用最廣泛的視覺特征，也是人們識別圖像最主要的感知特征。與幾何特征和形狀特征不同，顏色特征具備一定的旋轉、平移不變性，魯棒性較強。顏色特征可以通過顏色直方圖、顏色聚合向量、顏色矩等方法來提取和匹配。
紋理特征是圖像固有的一個重要特征，體現了物體表面的具有緩慢變化或者周期性變化的表面結構組織排列屬性。常用的描述紋理特征的方法有統計法和頻譜法。統計法是利用圖像的直方圖的矩對紋理結構進行描述，頻譜法是依據傅里葉頻譜特性來描述圖像的紋理結構。
缺陷的灰度特征是一種在圖像的灰度量化級內，對各像素點灰度值的分布來進行統計的表征量，可利用圖像的灰度直方圖信息（如方差、均值、熵）獲得圖像的灰度特征。
缺陷圖像的特征提取實現了從圖像空間到特征空間的轉換，在實際項目中一般將圖像的多種基本特征組合，形成綜合性的缺陷描述特征向量。然而，并非所有特征對后續的缺陷檢測與圖像理解有作用。如果特征提取的過多，使得特征向量維度較高，會帶來較多的冗余信息和復雜的計算量，還需要再使用主成分分析(Principal Components Analysis，PCA)等方法進行降維。如果特征提取的較少，則會導致對缺陷的描述不夠準確，使得準確率和精度不盡人意。
(原標題：機器人視覺如何進行特征提取)
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
