3d 如何从超体素中提取特征？

我听过有关颜色（直方图）、纹理（局部二元图案）和形状（筛、弓、猪、霍夫）的特征，但我不知道如何计算它们

首先，我不认为你指的是超体素，但我可能错了。超级像素似乎是您正在寻找的术语，它可以解释相对缺乏响应，超级体素指的是3D空间，但是下面描述的技术在N维空间中应该是等效的

看到很多问题（尽管仍然没有太多关于特征提取的讨论，我不觉得这个问题是重复的）

试图给你一些假象的答案，根据 ，您可以通过找到每个超级像素的中心并找到要计算的周围区域（即20 x 20像素）来找到这些问题的答案。我建议如果你要这样做，并且你有超级像素的宽度和高度信息，根据这些尺寸缩放这个20x20的区域。不管怎样，传统的特征提取方法都应该有效，并且可以根据实现高度并行

如果你不想走这条路，下面的方法可以奏效

首先，这应该与任何其他方形图像分割算法的工作方式相同，您只需查看所有像素并将颜色值累积到直方图中，我不明白为什么这会很困难

对于纹理信息，取决于您希望提取的特征类型，它可能会或多或少复杂，如果您的特征在空间上是不变的，那么这就像颜色直方图一样简单。因为您只需找到超级像素的中心点，并采用相同的算法（如果您自己从未实现过，请单击链接了解其工作原理）。您可能会忽略超级像素之外的区域

如果我理解它对你正在处理的东西的形状也是不变的，这意味着你可以计算每一个超级像素，假设你有亚像素信息。HOF（我必须通过wiki查找这方面的信息）光流直方图理论上具有相同的属性（基于直方图的方法），因此通过相同的逻辑可以计算给定的超级像素。（）

据我所知，这不是一种特定的特征提取技术，而是一种通用模型，所以我将忽略这一点

---

特征可以通过正常的计算方法提取，超级像素不是规则矩形这一事实在SIFT特征的计算中似乎并不重要（SIFT链接中提供的算法大纲）

谢谢。实际上我指的是超体素而不是超像素。我为这个问题添加了一个“3d”标签。但是，它们有些相似，您的信息很有帮助。