我可以在IntegralKernel定义的过滤器而不是integralFilter（）函数中使用“系数”来计算Haar特征吗？

Question

我在Matlab中通过 IntegralKernel 类定义类似哈尔的特征过滤器 H 。

H = integralKernel(integralKernel([1,1,im_width,im_height;...
                                   2, 2, w, h;...
                                   2+w, 2, w, h;],...
                                   [0,1,-1]);

im_width 和 im_height 是图像的宽度和高度; w 和 h 是过滤器边界框的宽度和高度。返回的filte H 是一个Matlab struct 类型变量，其中包含以下字段：

BoundingBoxes
Weights
Coefficients - Conventional filter coefficients.
Center
Size

在Matlab文档中，当使用给定的积分图像计算特征时，它使用函数 integralFilter（IntegralImage，H）。代码如下：

HaarFeature = integralFilter(integralImage(I), H)

但是如果图像数量很大（例如，10,000张图像），这需要很长时间，因为我需要使用 for-loop 来计算每个图像。但是，如果我只计算文件管理器 H 中给定原始图像 I 和系数的总和，我发现更快。代码如下：

HaarFeature = sum(sum(I .* H.Coefficients));

Matlab中的 I 和 H.Coefficients 都是 double 类型。

我的问题是，如果这两种计算哈尔特征的方法是等价的吗？谢谢！

Answer 1

您是否必须使用多个内核过滤每个图像？ 在这种情况下，您应该只为每个图像调用y!=0一次，然后存储并重新使用结果。计算积分图像需要一些时间。但是，一旦你拥有它，将积分内核应用于生成的积分图像应该非常快。