我正在阅读有关图像分割的内容，我明白这是图像分析的第一步。但我也读过，如果我使用SURF或SIFT来检测和提取特征，则无需进行分割。真的吗？如果我使用SURF，是否需要分段？
答案 0 :(得分：1)
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。但是，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，我只会谈到一个简单的管道，首先执行分段（例如基于一些简单的颜色模型），然后处理每个段。
您的问题专门询问了SURF的功能。然而，在这种情况下，重要的是SURF是本地描述符，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），而且还可以在属于感兴趣类的对象的所有图像上以可重复的方式可靠地检测点。结果，局部描述符仅关注由关键点检测器选择的点周围的像素，并且对于每个这样的关键点提取小的特征向量。另一方面，全局描述符将考虑某些区域内的所有像素，通常是段，或整个图像。
因此，要使用全局描述符在图像中执行识别，您需要首先选择要从中提取要素的区域（线段）。然后，这些功能将用于识别段的内容。情况与本地描述符略有不同，因为它描述了关键点检测器确定为相关的局部补丁。因此，即使您不执行分段，也可以为图像中的多个点获取多个特征向量。这些特征向量中的每一个都会告诉您有关图像内容的信息，您可以尝试将每个这样的局部特征向量分配给＆＃34;类＆＃34;并收集他们的统计数据，以了解图像的内容。这种简单的模型称为Bag-of-words model。