图像局部特征的术语

介绍

本节主要介绍图像局部特征的术语，以便更清析的区分术语地含义。

常用术语

区域，局部特征和兴趣点

这三个名词具有相同的概念，出现在不同的应用中。理想的局部特征就是一个点。一个只有空间位置而没有空间覆盖范围的点。
在实际中，数字图像离散化时，最小单位是素点。如果要定位某个像素点时，必须分析此像素的邻域，所以任何局部特征都式地包含一个空间覆盖范围。在相机校准/3-D重建等应用中，我们只关心局部特征的坐标，甚至亚像素级，这时候常称局部特征为“兴趣点”。然而在绝大多数的应用中，不仅"兴趣点"空间位置，其邻域的形状和大小也被用来进行后续的局部特征检测和匹配,这时局部特征常常称为“区域”。

全局特征与局部特征

全局特征与局部特征最大区别是特征提取的空间范围不同。全部特征是从整个图像中提取的特征，而局部特征是从图像中区域中提取的特征。在图像处理中，全局特征如颜色直方图，常用来描述图像的内容。只要人们感兴趣的是整个图像，不是图像中某个前景，这种颜色直方图具有非常好的检索性能。然而，基于全局特征描术不适合用于图像混叠情况。

参考资料

[1] Richard Szeliski,"Computer Vision:Algorithms and Applications", Microsoft Research, 2010.

[align=center]关于Image Engineering & Computer Vision的更多讨论与交流，敬请关注本博和新浪微博songzi_tea.
[/align]