主体思想: 任何一个图像 肯定有多个或一个区域 每个区域在横向扫描时 会有分裂和合并 比如圆环 顶部有一个分裂点 底部有一个合并点 没有分裂合并的图形 就是简单的凸图像 很容易通过外形识别 而复杂的图像 就是凹的 就需要分裂合并点来识别 旋转30度 60度 90度 120,150 得到的分裂合并点序列是不同的 可以通过分析分裂合并点可以获得角点 区域连接特征: 重心和中心的偏置对宽高的比例 和方向 分裂合并点和重心位置的比例 方向 亮度和面积的比 这些是旋转和缩放不变的特征 适合用于图像的模式识别 如果图像包含n个区域特征 每个区域都有N个以上的特征 如果图形复杂 需要使用决策树内嵌 svm