SURF算法是否需要图像分割？
Is image segmentation required with the SURF algorithm?
我在看图像分割，我明白这是图像分析的第一步。但我还读到，如果我使用 SURF 或 SIFT 来检测和提取特征，则不需要进行分割。真的吗？如果我使用的是 SURF，是否需要分段？
分割和识别之间的依赖关系有点复杂。显然，知道图像的哪些像素属于您的对象会使识别更容易。然而，这种关系也适用于另一个方向：了解图像中的内容可以更容易地进行分割。但是，为简单起见，我将只讨论一个简单的管道，其中首先执行分段（例如基于一些简单的颜色模型），然后处理每个分段。
您的问题专门询问了 SURF 功能。然而，在这种情况下，重要的是 SURF 是一个局部描述符，即它描述了检测到的关键点周围的小图像块。关键点应该是图像中可以找到与您的识别问题相关的信息的点（图像的有趣部分），而且还可以在属于 class 的对象的所有图像上以可重复的方式可靠地检测到的点出于兴趣。结果，局部描述符只关心由关键点检测器编辑的点 select 周围的像素，并且为每个这样的关键点提取一个小的特征向量。另一方面，全局描述符将考虑某个区域内的所有像素，通常是一个片段或整个图像。
因此，要使用全局描述符在图像中执行识别，您需要首先 select 要从中提取特征的区域（片段）。然后，这些特征将用于识别片段的内容。局部描述符的情况有点不同，因为它描述了关键点检测器确定为相关的局部补丁。因此，即使您不执行分割，您也会获得图像中多个点的多个特征向量。这些特征向量中的每一个都告诉你一些关于图像内容的信息，你可以尝试将每个这样的局部特征向量分配给 "class" 并收集它们的统计数据以了解图像的内容。这种简单的模型称为 Bag-of-words model.
我在看图像分割，我明白这是图像分析的第一步。但我还读到，如果我使用 SURF 或 SIFT 来检测和提取特征，则不需要进行分割。真的吗？如果我使用的是 SURF，是否需要分段？
分割和识别之间的依赖关系有点复杂。显然，知道图像的哪些像素属于您的对象会使识别更容易。然而，这种关系也适用于另一个方向：了解图像中的内容可以更容易地进行分割。但是，为简单起见，我将只讨论一个简单的管道，其中首先执行分段（例如基于一些简单的颜色模型），然后处理每个分段。
您的问题专门询问了 SURF 功能。然而，在这种情况下，重要的是 SURF 是一个局部描述符，即它描述了检测到的关键点周围的小图像块。关键点应该是图像中可以找到与您的识别问题相关的信息的点（图像的有趣部分），而且还可以在属于 class 的对象的所有图像上以可重复的方式可靠地检测到的点出于兴趣。结果，局部描述符只关心由关键点检测器编辑的点 select 周围的像素，并且为每个这样的关键点提取一个小的特征向量。另一方面，全局描述符将考虑某个区域内的所有像素，通常是一个片段或整个图像。
因此，要使用全局描述符在图像中执行识别，您需要首先 select 要从中提取特征的区域（片段）。然后，这些特征将用于识别片段的内容。局部描述符的情况有点不同，因为它描述了关键点检测器确定为相关的局部补丁。因此，即使您不执行分割，您也会获得图像中多个点的多个特征向量。这些特征向量中的每一个都告诉你一些关于图像内容的信息，你可以尝试将每个这样的局部特征向量分配给 "class" 并收集它们的统计数据以了解图像的内容。这种简单的模型称为 Bag-of-words model.