我可以在 IntegralKernel 定义的过滤器中使用 "Coefficients" 而不是 integralFilter() 函数来计算 Haar 特征吗？

Question

我在Matlab中通过IntegralKernel类定义了一个类似Haar的特征滤波器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filteH是一个Matlabstruct类型的变量，它包含如下字段：

BoundingBoxes
Weights
Coefficients - Conventional filter coefficients.
Center
Size

在Matlab文档中，当从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，10000个图像），这需要很长时间，因为我需要使用for循环来计算每个图像。然而，我发现如果我只计算给定原始图像I和滤波器H中的系数的和，速度会快得多。代码如下：

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

I和H.系数在Matlab中都是双类型。

我的问题是，如果这两种计算哈尔特征的方法是等价的？谢谢

Answer 1

你必须用多个内核过滤每个图像吗？在这种情况下，您应该只为每个图像调用integralImage(I)一次，并存储和重用结果。计算积分图像需要一些时间。然而，一旦您有了它，将积分内核应用于生成的积分图像应该非常快。