第9章 特徵與辨識#

邊緣、區域描述的是影像「哪裡有東西」；本章要回答更進一步的問題：「這個影像和那個影像，在哪裡有相同的東西？」——特徵 (features) 是影像中穩定、可重複偵測、可描述、可比對的局部結構。同一棟建築從不同角度、距離、光線拍攝，角點與紋理結構的位置會移動、尺度會變化，但「這是同一個角點」的對應關係應該保得住。找到對應點 (matching)，就能做影像拼接 (panorama)、物體追蹤、3D 重建、擴增實境。

本章四個演算法構成一條完整的工具鏈。Harris 角點偵測回答「哪裡值得注意」：角點在兩個方向移動視窗都會劇變，Harris 用結構張量的特徵值把這個直覺變成可計算的響應圖。SIFT 與 BRIEF 回答「如何描述與比對」：SIFT 用尺度空間找關鍵點、以局部梯度直方圖構造對旋轉與光照不變的 128 維描述子，是經典中的經典；BRIEF 則用二進位比較位元換取百倍速度，代表「快速粗糙」的另一極。模板比對回答「這張小圖在哪裡」：滑動窗口算相似度，最簡單卻極常用。霍夫轉換回答「哪些像素屬於同一條直線/圓」：把「直線上的點共線」改寫成「參數空間的曲線相交」，用投票把全局幾何問題變成峰值搜尋。

這章也是通往深度學習的橋：你會看到手工特徵 (hand-crafted features) 的優雅與極限，理解為什麼第 10 章的 CNN 要「讓網路自己學特徵」——以及為什麼在沒有大量資料時，本章的方法仍是首選。