最後幾天的時間，將介紹特徵擷取(Feature Extraction)技術。首先，將介紹基本概念，接著帶入幾個特徵擷取的相關技術實作，例如:輪廓搜尋、形狀特徵、輪廓特徵等等。

1.基本概念

　由於數位影像是由二維陣列或矩陣構成，牽涉的資料量相當龐大，不利於進一步的影像分析或物件辨識。因此，學術界的學者專家持續投入研究，希望在數位影像中擷取有用的資訊，稱為特徵(Feature)。

　所謂的特徵，其實沒有明確定義，通常是泛指有利於影像分析或物件辨識的相關資訊，或是指影像物件的表示法，可以提供量化的數據資料。

　特徵擷取(Feature Extraction)技術，目的是根據二維的數位影像，經過數學運算與處理，希望可以擷取一維的影像特徵資料，稱為特徵向量(Feature Vector)。這樣我們就可以根據擷取的特徵向量，進行後續的影像分析或物件辨識。

由於特徵擷取技術將二維的資料形成一維的資料，因此也牽涉降維度運算，例如:主成分分析(Principal Component Analysism PCA)等。

2.輪廓搜尋

　給定二值影像中的物件，輪廓(Contour)可以定義為:「沿著物件邊緣搜尋邊緣像素所形成的路徑。」

　也就是說，輪廓可以使用像素座標的序列表示，順序通常是採用順時針或逆時針方向，從物件邊緣左上角的像素開始搜尋，並依照8-相鄰(或4-相鄰)原則依序紀錄像素座標。搜尋輪廓所形成的像素座標序列，也可簡稱為鍊(Chain)。

　輪廓搜尋的目的即是根據二值影像，搜尋影像中物件的輪廓，並以特定的資料結構儲存，紀錄輪廓的相關資料，由於影像中可能包含多個物件，因此物件是以階層式(Hierarchy)的資料結構儲存。

　而在這裏的輪廓，指的是外部輪廓。若物件內部包含洞(Holes)，則該物件在洞的邊緣所形成的輪廓，稱為內部輪廓。OpenCV提供搜尋羅克演算法，稱為findContours函式。
cv2.FindCointours(img, storage, mode = CV_RETR_LIST, method = CV_CHAIN_APPROX_SIMPLE, offset = (0, 0))

針對函式中的參數做以下講解:

• img：輸入的二值影像。
• contours：偵測的輪廓
• mode：輪廓模式，含:
  　(1) CV_RETR_EXTERNAL：擷取外部輪廓
  　(2) CV_RETR_LIST：擷取所有輪廓
  　(3) CV_RETR_CCOMP：擷取所有輪廓，但分成內部與外部輪廓兩階層。
  　(4) CV_RETR_TREE：擷取所有輪廓，並重建階層架構
• method：輪廓近似方法，含:
  　(1) CV_CHAIN_APPROX_NONE：儲存所有輪廓點
  　(2) CV_CHAIN_APPROX_SIMPLE：僅儲存輪廓在水平、垂直或對角線方向的端點。
• offset：輪廓點的位移量(Optional)

程式碼如下:

import numpy as np
import cv2
import math

img1 = cv2.imread("D:/Desktop/IThome/text3.bmp", 0)
img2 = cv2.cvtColor(img1, cv2.COLOR_GRAY2BGR)
contours, hierarchy = cv2.findContours(img1, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

cv2.drawContours(img2, contours, -1, (255, 0, 0), thickness = 2)

cv2.imshow("Original", img1)
cv2.imshow("After", img2)

cv2.waitKey()
cv2.destroyAllWindows()

結果如下: