实现难度：目标物体分割不准确帶来的问题；光照不均导致的特征提取鲁棒性不足

分割——去除背景和干扰

 // 筛选中心区为一类的目标和非中心区
 

 
 

 
 

 // 筛选中心区为一类的目標和非中心区
 

 

 
 
 

 子函数：时刻返回目标图+背景置零图
 
 

 // 筛选中心区为一类的目标和非中心区
 

//计算9个颜色矩：3个通道的1、2、3阶矩
 //计算b通道的颜色矩
 //计算g通道的颜色矩
 //计算r通道的颜色矩
 

//计算9个颜色矩：3个通道的1、2、3阶矩
 //计算b通道的颜色矩
 //计算g通道的颜色矩
 //计算r通道的颜色矩
 

 //【】第一步：j计算共生矩阵
 // 0度灰度共生矩阵
 max_gray_level++;//像素灰度最大值加1即为该矩阵所擁有的灰度级数
 else//若灰度级数小于16，则生成相应的灰度共生矩阵
 // 45度灰度共生矩阵
 // 90度灰度共生矩阵
 // 135度灰度共生矩阵
 // 【】第二步：计算纹理特征
 
 

 

 （比较特殊按步来进行分析，再进行总体进行）
 
 

 想要知道什么是特征点、特征描述、特征匹配看此链接（）
 
 

/*图像预处理灰度化+锐化一下*/
// 特征描述符打印：
 

 


 

 
 


 

 

 色、形、纹属性进行分类器训练
 
 

针对glcm提取的特征进行svm分类
分四类、6个样本、测试样本2个
}//特征数据提取完毕
}//特征数据提取完毕
 

 
 


 

// 训练——训练时候关闭测试
 // 遍历图片——为了循环提取特征用
 // 训练用的输入和标签
 // 遍历图并提取特征
 
 
 
// 测试——测试时候关闭训练
 // 遍曆图片——为了循环提取特征用
 // 训练用的输入和标签
 // 遍历图并提取特征
 
 // 训练用的输入和标签
 // 遍历图并提取特征
 
 
 
 

 
 // 颜色 计算三阶矩
 // 颜色 计算9个顏色矩：3个通道的1、2、3阶矩
 //计算b通道的颜色矩
 //计算g通道的颜色矩
 //计算r通道的颜色矩
 //【】第一步：j计算共生矩阵
 max_gray_level++;//像素灰度最大值加1即为该矩陣所拥有的灰度级数
 else//若灰度级数小于16，则生成相应的灰度共生矩阵
 // 【】融合第一、二步
 // 读取当前文件夹图片的个数子程序

/*遗留问题：两点嘚确立*/
 
 /* 如果imshow这个maskWaterShed我们会发现它是一片黑，原因是在上面我们只给它赋了1,2,3这样的值通过代码80行的处理我们才能清楚的看出结果 */
 // 【随机生荿几种颜色】
 

特征匹配器——Flann