基于颜色直方图的图像检索(实验分析)
基于颜色的图像检索技术研究
基于颜色的图像检索技术研究一、绪论随着数字化时代的到来，图像数据越来越丰富，人们需要一种高效准确的图像检索技术来管理这些数据。
目前图像检索技术主要基于文本和内容，但是这些技术仅能处理能够解释的和标记的文本和具有特定特征的图像数据。
在这种情况下，通过对图像的特定属性进行分析和比较的基于颜色的图像检索技术被广泛应用。
二、基础知识1. 颜色空间颜色空间是指在三维色彩模型中表示出颜色的特定坐标系。
具有代表性的颜色空间有 RGB、CMYK、YUV、HSL、HSV 等。
RGB 是将颜色视为红、绿、蓝三原色的颜色空间，由于其直观、全面的表现文元素的颜色，因此被广泛用于个人计算机、监视器等的颜色显示。
而 HSV（色相饱和度明度）颜色空间则被广泛用于颜色图像处理中。
2. 颜色直方图颜色直方图是用来计算图像中的颜色分布的一种统计工具，通过将颜色空间分割成不同数量的区域，并计算图像中每个区域的颜色出现频率，最后将每个区域的颜色出现频率记录在直方图中，以直方图柱状图的形式呈现。
3. 颜色特征在基于颜色的图像检索中，使用直方图来描述颜色特征，可以大大减小计算量。
通过计算颜色直方图的相似度，可以衡量两张图片之间的相似度。
三、基于颜色的图像检索算法基于颜色的图像检索算法主要包括颜色直方图比较法、颜色矩比较法和小波分析法。
1. 颜色直方图比较法颜色直方图比较法是一种基于直方图的图像检索算法。
在颜色直方图的基础上，通过计算两张图片颜色直方图之间的差异来判断相似度。
该算法简单易于实现，但对于颜色直方图的分组和颜色量化，需要人为的选择最适合的参数，如果参数选择不恰当，会导致检索结果不精确。
2. 颜色矩比较法颜色矩比较法是一种将颜色空间的直方图信息转换为具有统计信息的颜色概述向量，从而实现基于颜色区分度更佳的图像检索算法。
通过对比归一化矩的差异，可以快速定位出颜色出现的位置。
该算法相比于直方图比较法更加准确，但计算复杂度较高。
3. 小波分析法小波分析法是一种完全不同于基于直方图的图像检索方法。
基于颜色特征的图像检索技术研究
2、深度学习方法
近年来，深度学习技术在图像识别、语音识别等领域取得了显著的成果。本次 演示采用卷积神经网络（Convolutional Neural Network，CNN）进行特征 提取和匹配。首先，将库中图像输入到 CNN中进行训练，
得到一个能够表达图像特征的神经网络模型；然后将待检索图像也输入到神经 网络模型中，得到其特征向量；最后，采用欧氏距离或余弦相似度等方法计算 待检索图像和库中图像的特征向量之间的距离，找出最相似的图像作为检索结 果。
引言
随着多媒体技术的迅速发展，图像数据的应用越来越广泛，如何快速准确地检 索出用户所需的图像成为一个重要的问题。颜色特征是图像中最直观和重要的 特征之一，基于颜色特征的图像检索方法具有简单、直观、易于理解等优点，
因此具有广泛的应用前景。然而，传统的基于颜色特征的图像检索方法存在一 些问题，如特征提取速度较慢、准确性不高、查全率较低等。因此，本次演示 旨在研究一种高效的基于颜色特征的图像检索方法，提高检索性能。
颜色特征提取
颜色特征提取是图像检索的关键步骤之一，直接影响到检索的准确性和查全率。 本次演示采用颜色空间的转换和特征点的提取方法来提取图像的颜色特征。具 体步骤如下：
1、颜色空间的转换
颜色空间是描述图像中颜色的一种方式。常见的颜色空间包括 RGB、HSV、 Lab等。本次演示将图像从 RGB空间转换到 HSV空间，使得颜色的表示更加直 观，同时将颜色信息与亮度信息分开，提高特征提取的准确性。
匹配与检索
在提取出图像的颜色特征后，需要进行特征匹配和检索。本次演示采用传统的 匹配方法和深度学习方法进行特征匹配和检索。
1、传统匹配方法
传统的匹配方法包括欧氏距离、余弦相似度等。本次演示采用欧氏距离作为匹 配指标，计算待检索图像和库中图像的特征向量之间的距离，根据距离的大小 判断两幅图像的相似度。
基于颜色_空间二维直方图的图象检索
(8
!""!#$! 计算机工程与应用
理，该颜色 % 空间 直 方 图 作 为 图 象 的 颜 色 % 空 间 特 征 存 储 在 图 象数据库中。
看出量化后图象颜色失真较小，基本能够满足人的视觉要求， 分辨出图象中物体的颜色特征。 这说明文中给出的颜色量化方 法是有效的， 在压缩颜色特征空间的同时， 尽可能保留了颜色 的视觉信息。 该图象检索实验使用的图象数据库内容包括： 雕像、 工具、 图象 人物、 建筑、 体育、 花朵、 餐具、 自 然 风 景 等 $"""" 张 图 片 ， 的颜色 % 空 间 二 维 直 方 图 特 征 预 先 计 算 好 并 保 存 在 数 据 库 中 。 这里使用左上角的同一幅图象进行检索。 传统的颜色直方图方 ， 前 !" 幅 图 的 正 确 率 为 ::> ； 基 于 颜 色%空 间 二 维 法（ 见 图 =） 直方图特征的检索方法 （ 空间约束条件默认为子块的一一对 应， 见图 ? ） ， 前 !" 幅图的正确率为 ,"> 。基于颜色 % 空间特征 的方法返回了在图象颜色空间分布上更为相似的图象， 比颜色 直方图方法明显地提高了基于内容图象检索的精度。
， C%D@/(.-： %697297 &/,2: ’M/N2 (27;+2W/0（ %&’(） B1* P606; M6:20， P606; 5+,76N;/M， ,+M+0/;+7U
$
引言
随着多媒体和网络技术的迅速发展， 图象数据来源不断扩
图象间相似度的计算。 但由于图象分割对任意图象很难准确地 找到感兴趣物体的范围， 因此实验中检索结果不够理想。 该文研究了基于颜色 A空间二维直方图特征进行图象检索 给出了一种将三维颜色空间 的方法。 文中使用 B1* 颜色模型， 非均匀量化为 ?! 种代表颜色的方法和一种通过相互重叠的图 象分块得到图象的颜色 A空间二维直方图方法，从而压缩了直 方图的颜色维数并在一定程度上保留了颜色的空间分布信息。 实验结果表明该方法实现简单、 有效， 保留了颜色及其空间分 布的特征， 因此与颜色直方图方法相比具有更好的查询精度。
基于颜色直方图的图像检索算法研究
基于颜色直方图的图像检索算法研究一、引言如今，在数字化的时代，图片已经成为信息传播和展示的重要媒体之一。
然而，在大量图片的海洋中，如何快速、准确地搜索所需图片，对于我们来说依然是一个挑战。
图像检索就是一种解决方案，其目标是根据用户提供的检索信息，从图片集合中找到相应图片。
然而，图像检索由于其数据量大、复杂度高等问题而难以实现。
本文将探讨基于颜色直方图的图像检索算法及其实现。
二、图像特征提取在图像检索中，图像特征提取是至关重要的步骤。
一种常用的方法是利用颜色直方图提取图像特征。
颜色直方图是一种从图像中获取颜色信息的直方图表示方法。
为了方便处理，通常将图像颜色分离为若干个离散的颜色区域。
对于一张彩色图像，将其转化为HSV色彩空间，然后对其进行颜色量化，将HSV色彩空间中的颜色映射到离散的颜色区域内，生成颜色直方图。
对于一张图像$I$，颜色直方图可以表示为：$$H(I)=\{\binom{h_1}{w_1},\binom{h_2}{w_2},\ldots,\binom{h_ n}{w_n}\}$$其中，$\binom{h_i}{w_i}$是直方图的一维表示，$h_i$为颜色值，$w_i$为像素数量。
三、图像相似度度量在图像检索中，图像相似度度量是另一个关键步骤。
对于基于颜色直方图的图像检索，可以使用直方图距离（Histogram Distance）作为相似度度量。
直方图距离是一种度量两张颜色直方图之间相似度的方法，其定义为两张颜色直方图之间的Euclidean Distance。
对于图像$I$和$J$：$$d(I,J)=\frac{1}{2}\sum_{i=1}^{n}(\binom{h_{i}}{w_{i}}-\binom{q_{i}}{w_{i}})^{2}$$其中，$\binom{h_{i}}{w_{i}}$和$\binom{q_{i}}{w_{i}}$分别为$I$和$J$的颜色直方图中的第$i$个bin的高度。
基于分块颜色直方图索引的快速图像检索方法
视觉信息 中最为直接和简单 ， 常用于基于 内容的图像检索 分 ， 则 图像被分成 Ｎ ＋ １ 个分块 。则圆和 圆环 的半径 为 ： 技术 中回 。但是全局颜 色直方图描述图像 的颜 色分布时忽 Ｒ ： ￣ ， ， ／ ２ ５ ６ ｘ １ ２ １ ５ ６ 一 ｓ（ ｓ ∈ ｌ ， ２ ， ３ ， …， Ｎ ＋ １ ） （ ２ ） Ｖ 十ｌ Ｊ 盯 略了图像 中颜色 的空间分布特征圈 ， 检索效 果不佳 。 为此本 在式（ ２ ） 中， 预处理后的图像大小为 ２ ５ ６ ｘ ２ ５ ６ 。实验证 文 提出 了一种改进 的基 于分块 颜 色直方 图索 引的快速图 明这种 方法可 以有效地 图像主体 的影 响。 １ 颜色空间的选取及量化 １ 一 颜 色空间的选择 Ｈ ｓ ｖ颜 色空间根据人 眼色彩视 觉特征用色调 （ Ｈ） 、 饱 和度 （ Ｓ ） 和 亮度（ Ｖ） 来描 述 图像颜 色信 息。与人对颜 色的 感知最为相似问 ， 符合人眼对颜 色的识别特 点 ， 所 以本文选 取Ｈ Ｓ Ｖ颜 色空间进行 图像处理。 取值范 围为 Ｈ∈『 ０ ， ３ ６ ｏ １ ，
ｂ ｙ ｒ ｅ ｆ ｅ ｒ ｉ ｎ ｇ ｔ ｏ ｈｅ ｔ ｌ ｏ ｃ ｌ ａ ｉ ｍａ ｇ ｅ ｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ．Ｐ ｌ ｅ ｎ ｙ ｔ ｏ ｆ ｈｅ ｔ ｅ ｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ｌ ａ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｈｅ ｔ ｍｅ ｈｏ ｔ ｄ ｈ ａ ｓ ａ ｂ ｅ ｔ ｔ ｅ ｒ ｒ ｅ ｔ ｒ ｉ ｅ ｖ ｌ ａ ｅ ｆ ｅ ｃ ｔ ，ｇ ｒｅ ａ ｔ ｌ ｙ
Ｓ ∈［ ０ ， １ 】 ， Ｖ∈［ ｏ ， １ ］ ｏ １ ． ２颜 色 量 化
本文按照人类对颜 色感知标准将 色调 分为 ７份 ， 饱和 度分为 ３ 份， 亮度 分为 ３份。 量化后 的色调 、 饱 和度和亮度 值 分别 Ｈ 、 Ｓ 、 Ｖ 。 量化后 的取 值范 围 为 Ｈ ∈『 ０ ， ７ 】 、 Ｓ ∈ ［ ０ ， ２ 】 、 Ｖ ∈［ ０ ， ２ 】 。 再将三个颜色分量合成一维特征 向量。 合 成公式如下 ： Ｌ ＝ ９ Ｈ ＋ ３ Ｓ ＋ Ｖ
基于HSV颜色直方图的图像检索算法性能分析
表2 检索时间比较
检索方法 检索时间
一般颜色直方图 9.218s
颜色累加直方图 9.376s
于一般颜色直方图的检索效率，也就是说采用累加颜色直方 图获得的好的检索效果是以检索效率为代价的，但是检索效 率相差不是很大。综合考虑检索效率和检索有效性，采用颜 色累加直方图作为特征要优于采用一般颜色直方图。
基于直方图的图像检索过程主要包括颜色模型选择、直
采用的是 HSV 模型。所以在进行图像处理之前一般需要将 RGB 模型转化为 HSV 模型。将 RGB 模型转化为 HSV 模型 的公式如下：
其中 ■■1.2 直方图特征提取和量化
即 ， 的量化级数 4, L 取值范围 [0,255]。 ■■1.3 相似性度量
电子基础
基于 HSV 颜色直方图的图像检索算法性能分析
作者/康朝红、刘鑫淼、黄静，石家庄铁道大学四方学院 石家庄铁道大学四方学院科研专项资金资助项目
文章摘要：本文给出了利用图像颜色直方图和累加颜色直方图进行图像检索的方法，并对两种算法性能进行分析。算法选用HSV颜色空间 模型，首先对HSV分量进行非均匀量化，然后计算图像的颜色直方图和累加颜色直方图，利用欧式距离方法计算待检索图像和图像库中图 像的相似度，最终得到检索结果。通过检索时间和查准率来分析算法性能。仿真结果表明，采用累加颜色直方图作为特征来检索图像得到 相对稳定的检索性能。 关键词：图像检索 HSV；颜色直方图；累加颜色直方图
参考文献
＊ [1] 姜兰池 , 沈国强 , 张国媗 . 基于 HSV 分块颜色直方图的图像 ＊ [2] 阎冬明 . 基于颜色与形状特征的图像检索技术研究 [D]. 保定 : ＊ [3] 刘忠伟 , 章毓晋 . 十种基于颜色特征图像检索算法的比较和 ＊ [4] 窦建军 , 文俊基 , 刘重庆 . 基于颜色直方图的图像检索技术 [J]. ＊ [5] 姚敏 . 数字图像处理 [M]. 北京 : 机械工业出版社 ,2006. 红外与激光工程 .2005,34（1）. 分析 [J]. 信号处理 ,2000,16（1）. 河北大学 ,2008. 检索算法 [J]. 机电工程 ,2009,26（11）.
基于HSI颜色空间统计直方图的图像检索
基于HSI颜色空间统计直方图的图像检索摘要: 给出了一种对图像的特征进行提取、分析并识别出一定形状及色彩差别的方法，主要目的是提取图像的颜色变化。
首先是对采集到的彩色图像进行预处理，包括：图像的滤波、目标图像的定位等；然后采取了相应的图像颜色空间和识别算法，包括：图像颜色空间的变换、颜色量化、图像特征提取、识别算法。
计算机仿真结果表明，该算法可行，并取得了较好的效果。
关键词：颜色空间；颜色量化；特征提取；识别算法Abstract：This article provides a approach that can extracte, analyse and identify a certain shape and color differences for the image features, the main purpose is to extract the color changement of image. The first step is the pre-processing of the collected color image, including: image filtering, target image positioning. What follows is signal image recognition, including: transformation of image color space, color quantization, image feature extraction, recogonition algorithm and the algorithm implementation. Finally, get the recognition results.Keywords:color space; color quantization; feature extraction; recognition algorithm1引言当今是一个信息肆意滋生的互联网时代，要想有效利用网上的这些信息，就需要将这些杂乱的信息梳理成可以查询的数据，这就必然要使用信息检索。
基于颜色特征的图像检索
基于颜色特征的图像检索摘要随着多媒体及网络技术的发展，互联网中的图像等多媒体信息的数量在迅速增加。
如何在庞大的多媒体数据资源海洋中搜索到自己所需要的图像，随之成为一个函待解决的问题。
近年来基于内容的图像检索技术己经成为了研究的热点，该技术具有传统文本检索方式所无法比拟的优越性，目前已被应用于多媒体通信、生物识别、知识产权保护等方面，具有广阔的发展前景。
本课题设计了基于颜色特征的图像检索系统，该系统主要包括两个关键步骤：颜色特征的提取和相似度匹配。
本文中首先采用应用广泛的HSV颜色空间来表示图像的颜色特征，对颜色分量进行非等间隔量化形成特征矢量；然后用欧式距离度量函数进行图像的相似性匹配；最后在MATLAB平台下编程实现了基于颜色特征的检索系统。
根据用户输入的样本图像与图像库中的图像进行特征匹配，找出与样本图像距离比较小的若干幅图像，并按照图像之间的距离由小到大的顺序显示给用户。
关键词：图像检索；直方图；颜色特征；MATLABIABSTRACTWith the development of multimedia technology, In Internet the number of images and other multimedia information in the rapidly increasing. How to locate the useful image in the vast multi-media is a great technology problem. In recent years, Content-based image retrieval has become a research focus, the technology has the superiority which the traditional text retrieval methods can not match.It has been widely used in multimedia communications, biometrics, intellectual property protection and so on, and has broad prospeets for development.This topic is designed based Color Image Retrieval System, which includes two key steps: color feature extraction and similarity matching. In this article was first used widely HSV color space to represent color feature image. We carried out color components quantification of non-interval to form feature vector; Then use the Euclidean distance metric function to match the similarity function of the image. Finally, this system should be implemented under the platform of the MATLAB by programming. Under user input sample image to conduct feature matching with image which in library images. In this system, It also can identify the images that have a short distance to the sample images, And in accordance with the distance between the images displayed to the user in the order from small to big.Keywords：Image Retrieval；Histogram Algorithm；Color Features；MATLABII河南理工大学毕业设计（论文）说明书目录摘要 (I)ABSTRACT ....................................................................................................... I I 1绪论 (1)1.1选题背景及现状11.2基于颜色特征图像检索的特点及发展趋势21.3论文结构52颜色模型及转换 (6)2.1概述62.2颜色模型62.2.1 RGB颜色模型 (6)2.2.2 HSV颜色模型 (8)2.3颜色模型转换93颜色特征提取的方法 (11)3.1颜色直方图113.2累加直方图143.3颜色矩154颜色特征检索匹配算法 (17)1河南理工大学毕业设计（论文）说明书4.1直方图相交法174.2欧式距离法174.3二次式距离185基于颜色特征的图像检索系统的设计和实现 (19)5.1开发工具的选取195.2系统框架195.3性能评价28总结与展望 (32)致谢 (34)参考文献 (35)附录： (37)2河南理工大学毕业设计（论文）说明书1绪论伴随着信息社会的迅速发展，图像多媒体信息的来源不断扩大。
基于颜色直方图的图像检索算法研究
基于颜色直方图的图像检索算法研究近年来，随着数字图像的大规模应用，图像检索技术已经成为了计算机视觉领域的热门研究方向。
基于内容的图像检索技术是其中最为重要的一种，在利用颜色、纹理、形状等图像特征实现图像检索的方法中，基于颜色直方图的图像检索算法备受关注和推崇。
本文将对该算法进行深入的研究和探究，旨在加深人们对于该算法的认识和了解。
一、颜色直方图的构建原理颜色直方图是一种表示图像颜色分布的方法，通过将图像中每一个像素的颜色值分配到相应的颜色区间中，然后累加各区间的像素数目，最终得到的一张颜色频次分布直方图，即为颜色直方图。
构建颜色直方图需要进行以下步骤：1. 设定颜色分量划分区间。
一般情况下，将RGB三个分量分成16×16×16的划分区间，得到4096个颜色分量；2. 对于一张待检索的图像，遍历其每个像素，将其RGB值分别映射到16×16×16颜色分量划分区域中，计算每个区域内像素数量，最终得到一幅4096维的颜色直方图。
二、基于颜色直方图的图像检索算法基于颜色直方图的图像检索算法（CBIR）属于一种典型的基于内容的图像检索方法，首先将待检索图像的颜色直方图和数据库中已知图像的颜色直方图进行比较，计算它们之间的相似度，将相似度高的图像作为检索结果返回给用户。
CBIR算法具体包括以下步骤：1. 对图片进行预处理，提取出颜色直方图；2. 对于每一张待检索的图像，计算该图片颜色直方图与数据库中每张图像颜色直方图之间的相似度。
相似度计算方式一般采用欧式距离、切比雪夫距离、余弦距离等方式进行计算。
通常情况下，欧式距离的计算方式是最为常见的方法；3. 将相似度高的图像作为检索结果展示给用户；4. 用户可根据检索结果向系统提出进一步检索请求，不断优化检索结果。
三、基于颜色直方图的图像检索算法的优缺点基于颜色直方图的图像检索算法具有以下优点：1. 颜色直方图能够准确描述图像的颜色分布及特征，对各种图像类型都适用；2. 颜色直方图具有较高的计算效率，能够满足大规模图像检索的需求；3. 相较于其他基于内容的图像检索方法，基于颜色直方图的图像检索算法表现较为稳定，对噪声的容忍度较好。
基于方向图的空间颜色直方图的图像检索
基于方向图的空间颜色直方图的图像检索林雅;陈华华【摘要】以图像的颜色和边缘方向为基础，该文提出了基于相同或相似方向图的空间颜色直方图的算法，将其应用于图像检索中。
首先将HSV颜色空间转化到直角坐标系，利用Sobel算子提取其H、S、V3个通道的水平和垂直方向的边缘，然后计算其颜色方向获取相同或相似方向图，最后在此方向图上计算空间颜色直方图。
该算法将图像的颜色、边缘方向、空间位置等潜在的关系联系在一起。
实验表明，该算法能够找出用户所需内容的图像，并具有较好的平均检索率。
%Based on color and edge , image retrieval using the spatial color histogram of the same or the simi-lar oriented graph was proposed .Firstly, transform HSV color space to Cartesian coordinate system .Secondly, the color orient is extracted by using Sobel detection operator .Thirdly, obtain the same or the similar oriented graph.Finally, compute the spatial color histogram of this oriented graph .This method combines color, orient and spatial information .And the experimental results show that the proposed method is more efficient in retrieving the user-interested images .【期刊名称】《杭州电子科技大学学报》【年(卷),期】2013(000)004【总页数】4页(P18-21)【关键词】颜色直方图;方向图;空间金字塔;图像检索【作者】林雅;陈华华【作者单位】杭州电子科技大学通信工程学院,浙江杭州,310018;杭州电子科技大学通信工程学院,浙江杭州,310018【正文语种】中文【中图分类】TN4010 引言在信息大爆炸时代，每天都有成千上万的视频、图像、文字出现。
基于颜色直方图的图像特征抽取方法介绍与实验验证
基于颜色直方图的图像特征抽取方法介绍与实验验证图像特征抽取是计算机视觉领域中的一个重要任务，它能够将复杂的图像数据转化为易于处理和分析的特征向量。
其中，基于颜色直方图的图像特征抽取方法被广泛应用于图像检索、目标识别、图像分类等领域。
本文将介绍基于颜色直方图的图像特征抽取方法，并通过实验验证其有效性。
一、颜色直方图的概念与原理颜色直方图是一种用于描述图像颜色分布的统计工具。
它将图像中的每个像素点的颜色值作为输入，统计各个颜色值的出现频率，并以直方图的形式展示。
颜色直方图可以用于表示图像的颜色信息，通过分析直方图的形状和分布，可以获取图像的颜色特征。
颜色直方图的计算过程如下：1. 将图像转化为RGB色彩空间。
2. 将RGB色彩空间划分为若干个颜色区间（bin），通常选择256个区间，即将每个颜色通道的取值范围[0, 255]均匀分成256份。
3. 统计图像中每个颜色区间的像素个数，得到颜色直方图。
二、基于颜色直方图的图像特征抽取方法基于颜色直方图的图像特征抽取方法主要包括以下几个步骤：1. 图像预处理：对图像进行预处理，包括图像去噪、图像增强等操作，以提高颜色直方图的准确性和稳定性。
2. 颜色空间转换：将图像从RGB色彩空间转换为HSV色彩空间，这是因为HSV色彩空间更符合人类对颜色的感知。
3. 颜色直方图计算：根据HSV色彩空间的特点，计算图像的颜色直方图。
可以选择不同的颜色通道进行计算，例如只计算H通道的颜色直方图。
4. 颜色直方图归一化：将颜色直方图进行归一化处理，以消除图像尺度的影响。
5. 特征向量生成：将归一化后的颜色直方图拼接成一个特征向量，作为图像的特征表示。
三、实验验证为了验证基于颜色直方图的图像特征抽取方法的有效性，我们进行了一组实验。
实验使用了一个包含不同类别图像的数据集，包括动物、自然风景、建筑等多个类别。
首先，我们使用上述方法提取每个图像的颜色直方图作为特征向量。
然后，使用支持向量机（SVM）分类器对提取的特征向量进行分类。
基于颜色直方图的图像检索(实验分析)
基于颜色直方图的图像检索（实验分析）1.概述在过去的十几年间，有许多知名机构都对图像检索系统进行了深入的研究，病开发出了相应的检索系统，例如IBMAlmaden研究中心研制的QBIC系统，Virage公司研发的VIRAGE系统，麻省理工大学多媒体实验室研发的Photobook系统，哥伦比亚大学研发的ViualSeek系统，斯坦福大学研发的WBIIS系统，U.C.伯克利分校研发的Blobworld系统等等。
2.相关知识2.1.RGB颜色空间RGB颜色模型中每种颜色都是由红绿蓝三种颜色组成。
这种颜色模型在许多CRT显示器和彩色光栅图形设备中被广泛使用。
这三种颜色被认为是其他颜色的添加剂，对于所需要的颜色通过对这三种颜色进行不同的比例进行相加即可得到。
RGB模型可以用如下的颜色坐标系表示。
注意从（0，0，0）到（1，1，1）的对角线，白色代表了灰阶，RGB色彩模式俯视从白色开始的。
2.2.HSV颜色空间（也称HIS颜色空间）HSV字母分别代表了色度（Hue），饱和度（Saturation），色调。
上面的锥形图说明HSV的颜色模型。
Value代表了颜色的强度，他是从图像信息中分离出来，可以表示相关信息的部分。
色度和饱和度代表了颜色在人眼中的生理特征。
色度与红色等颜色从0到1的表示不同，色度是从红色通过黄，绿，青，蓝，洋红色，再回到红色。
饱和度的区分是从0到1，他通过值大小来影响颜色的饱和度。
对于色调，也是从0到1，随着他的增大，图像的颜色就会越来越亮。
2.3.颜色模型之间的转换为了针对特定的应用更好的使用颜色，颜色空间的颜色转换是非常必要的。
一个好的颜色空间必须能够很好的表示两种颜色之间的颜色差别。
也就是说，数值表示的颜色可以近似的表示人类可以感觉的颜色的差别。
2.4.距离3.算法原理一个图像的颜色直方图是通过统计图像各个颜色的像素个数构成的。
其处理过程：1、选择颜色空间；2、对颜色空间进行量化；3、统计直方图；4、推到直方图的距离函数；5、通过索引指出最相近的图像。
基于颜色特征的图像检索技术
基于颜色特征的图像检索技术[摘要]由于信息技术的飞速发展，用户对信息检索的质量要求也越来越高,特别是在图片检索方面，基于文本的图像检索技术（TBIR）已逐渐不能满足用户的需求。
基于内容的图像检索技术（CBIR）开始被关注，CBIR技术检索的特征包括颜色特征、纹理特征、形状特征、空间位置关系等。
本文介绍基于颜色特征的几种检索方法基本原理和实现过程。
【关键词】RGB；HSV；颜色百分比；颜色直方图引言颜色特征是彩色图像中最显著、最直观的视觉特征，也是在图像检索中使用最为广泛的低层特征层特征。
颜色能够有效的表达图像的全局信息，因而被许多现有的图像检索系统所采用。
目前绝大多数图像的格式都是以RGB形式表达的。
在检索时，最常用的是比较符合人眼视觉特征的HSV空间，此外，还可以选择L*a*b*、HIS、YCrCb、CMYK等其他一些颜色空间。
1．颜色百分比在一幅大小为M×N的图像中，某种颜色的像素占总的像素的比例。
在图像中，不同的颜色比例会产生不同的效果。
某几种颜色按一定的百分比混合可以组成新的颜色。
颜色百分比也可以用于图像检索。
在图像检索时，首先输入某几种颜色的百分比（如红色20%、绿色50%、蓝色30%），然后通过比较图像数据库中图像颜色百分比的距离来确定颜色百分比相似度，距离值越小就越相似，反之，则差别较大。
2．颜色直方图颜色直方图是最常用的颜色特征表达方法，它表示图像中每一种颜色与其出现频率间的统计关系，适于描述那些难以进行自动分割的图像。
颜色直方图可以基于不同颜色空间。
如RGB、HSV、CMYK、L*a*b*、YUV、Ycc等颜色空间。
颜色直方图的计算：通常是统计各个颜色子空间像素的比例。
可用如下公式表示。
Pi=ni/N，其中N为图像的总像素数，ni表示第i个颜色子空间的像素数，pi表示第i个颜色子空间出现的相对频数。
比较颜色直方图的相似度可以用欧拉距离来衡量（p为图像库任意图像，q为查询目标，n为颜色子空间数）。
基于-颜色特征图像检索
摘要随着多媒体及网络技术的开展，互联网中的图像等多媒体信息的数量在迅速增加。
如何在庞大的多媒体数据资源海洋中搜索到自己所需要的图像，随之成为一个函待解决的问题。
近年来基于容的图像检索技术己经成为了研究的热点，该技术具有传统文本检索方式所无法比较的优越性，目前已被应用于多媒体通信、生物识别、知识产权保护等方面，具有广阔的开展前景。
本课题设计了基于颜色特征的图像检索系统，该系统主要包括两个关键步骤：颜色特征的提取和相似度匹配。
本文中首先采用应用广泛的HSV颜色空间来表示图像的颜色特征，对颜色分量进展非等间隔量化形成特征矢量；然后用欧式距离度量函数进展图像的相似性匹配；最后在MATLAB平台下编程实现了基于颜色特征的检索系统。
根据用户输入的样本图像与图像库中的图像进展特征匹配，找出与样本图像距离比较小的假设干幅图像，并按照图像之间的距离由小到大的顺序显示给用户。
关键词：图像检索；直方图；颜色特征；MATLABABSTRACTWith the development of multimedia technology, In Internetthe number of images and other multimedia information in the rapidly increasing. How to locate the useful image in the vast multi-media is a great technology problem.In recent years, Content-based image retrieval has bee a research focus, the technology has the superioritywhich the traditional text retrieval methods can not match. It has been widely used in multimedia munications, biometrics, intellectual propertyprotection and so on, and has broad prospeets for development.This topic is designed based Color Image Retrieval System,which includes two key steps: color feature extraction and similarity matching. In this article was first used widely HSV color space to represent color feature image.We carried out color ponents quantification of non-interval to form feature vector;Then use the Euclidean distance metric function to match the similarity functionof the image. Finally, this system should be implemented under the platform of the MATLAB by programming.Under user input sample image to conduct feature matching with image which in library images. In this system, It also can identify the images that have a short distance to the sample images, And in accordance with the distance between the images displayed to the user in the order from small to big.Keywords：Image Retrieval；HistogramAlgorithm；Color Features；MATLAB.目录摘要IABSTRACTII1绪论11.1选题背景及现状11.2基于颜色特征图像检索的特点及开展趋势21.3论文构造52颜色模型及转换62.1概述62.2颜色模型62.2.1 RGB颜色模型62.2.2HSV颜色模型82.3颜色模型转换93颜色特征提取的方法113.1颜色直方图113.2累加直方图133.3颜色矩154颜色特征检索匹配算法174.1直方图相交法174.2欧式距离法174.3二次式距离185基于颜色特征的图像检索系统的设计和实现195.1开发工具的选取19. .5.2系统框架195.3性能评价28总结与展望31致33参考文献34附录：35.1绪论伴随着信息社会的迅速开展，图像多媒体信息的来源不断扩大。
基于多维直方图的图像检索
3 多维直方图
在上一部分中介绍的关于颜色直方图的改进都是结合全 局空间信息而进行的，虽然这些改进能够得到比颜色直方图更 有效的结果，但是这些方法对两个图像之间相似的含义将牺牲 一定的灵活性， 例如 Stricker 提出的方法在当图像中的对象不能 进行明显的转换时将会被打乱， Hsu 提出的方法不能适应颜色 区域的任意旋转和平移。 本文提出的方法在保留了颜色直方图健壮性的同时增加 了额外图像数据信息，我们通过选择一组图像像素特征来构建 多维直方图，多维直方图中每个条目包含被一个由特征的值组 成的特定组合来描绘图像的像素数量。例如，结合颜色信息的 渐变程度来考虑多维直方图，一个在图像中指定的像素有一个 颜色（从0到 ncolor - 1）和一个渐变程度（从0到 ngradient - 1） ，针 对颜色和渐变程度的多维直方图将有 ncolor × ngradient 个条目， 每 个条目对应一个特定的颜色和一个特定的渐变程度，保存这个 条目中的数值是图像中像素的数量、颜色以及渐变程度。 更确切的说，给定一个有 k 个特征的组，第 m 个特征有 nm 个可能值，我们就可以构建一个多维直方图。一个多维直方 图就是一个 k 维的矢量，使得多维直方图中的每个矢量都包含 由一个 k 元特征值所描绘的图像的像素数量，这个多维直方图
有效的，但是在面对大型图像数据库的时候其局限性就越发明 显。这是因为颜色直方图只记录图像的颜色信息，不同的图像 可以具有相同的颜色信息，这有可能导致在大型数据库中进行 图像检索时返回极不满意的结果，如图 1 所示：
频文件 的方法。对于不断增长的用户群体对图像检索的需求，
[2]
手动输入图像关键字对图像进行检索的方法既不灵活也不快 速，所以必须实现完全自动化的基于图像内容的图像检索。 在本文中我们所关注的基于图像内容的方法是基于实例 的图像检索，用户向系统提出一个图像查询的请求并且得到相 似图像的结果。大部分图像检索系统的运行都分为三个阶段： � 特征提取 - 对图像数据进行特征提取，提取用户感兴趣 的、适合检索要求的特征。特征提取可以是全局性的，如 整幅图像， 也可能是针对某个目标， 如图像中的子区域等。 � 图像匹配 - 在选取了特征之后， 需要选择或寻找适当的判 别准则，从而判断出待识别的图像的特征与数据库中的哪 些图像的特征最接近。 � 结果输出 - 将满足一定相似性条件的一组候选结果按相 似度大小排列后返回给用户。 构建颜色直方图是特征提取阶段使用的最广泛方法之一，例如 IBM 公司的 QBIC 系统[4]、Virage 的 VIR 引擎[1]等。颜色直方图 之所以会最流行，是因为其计算量小并且对于图像中对象的移 动和相机的角度的容忍度高。颜色直方图在小型图像数据库是 图 1 具有相似颜色直方图的不同图像 为了满足在大型数据库中进行图像检索的需求，本文提出 了一个基于多维直方图的特征提取方法，这种方法是通过创建 一组图像像素特征来实现的，该方法是通过一个对图像像素特 征进行特定组合的方式来对图像中的像素进行计数，多维直方 图可以像颜色直方图一样采用相同的方式来进行比较。 第二部分将简单介绍最近的图像特征提取的研究成果； 第三部分将提出多维直方图； 第四部分将介绍实验配置并且展示在大型数据库中通过 多维直方图来进行图像检索的性能； 最后，将对多维直方图进行简要总结。
基于颜色直方图的图像检索技术
25卷 第4期2008年4月微电子学与计算机M ICROEL ECTRON ICS &COMPU TERVol.25 No.4April 2008收稿日期:2007-07-27基于颜色直方图的图像检索技术高美真1,申艳梅2(1焦作师范高等专科学校计算机与信息工程系,河南焦作454001;2河南理工大学计算机科学与技术学院,河南焦作454003)摘 要:使用颜色空间分布熵来表示图像的颜色空间分布特征,结合图像的颜色直方图特征,采用加权综合法和比例系数法表示图像的综合特征,设计了基于颜色直方图和图像空间分布熵的图像检索算法.利用查全率和查准率对算法进行了评价.通过实验分析比较可知,所设计的方法具有较好的查准率和查全率.关键词:图像检索;颜色直方图;颜色空间分布熵中图分类号:TP391.41 文献标识码:A 文章编号:1000-7180(2008)04-0025-03Histogram 2B ased Color Im age R etrievalGAO Mei 2zhen 1,SHEN Yan 2mei 2(1Department of Computer and Information Engineering ,Jiaozuo Teachers College ,Jiaozuo 454001,China ;2College of Computer Science &Technology ,Henan Polytechnic University ,Jiaozuo 454003,China )Abstract :The theory of image information entropy is adopted as color distribution ,and the color spatial distribution en 2tropy is adopted as the spatial descriptor color.The writer also uses weighted 2synthetical method and proportion 2coefficient method to indicated the image characteristics and designs a image retrieval algorithm based on color histogram and its color spatial distribution entropy.According to the analysis and comparison ,this kind of algorithm has a very good retrieval a 2bility of image.K ey w ords :image retrieval ;color histogram ;color spatial distribution entropy1 引言基于内容的图像检索技术(Content 2Based Im 2age Retrieval ,CB IR )主要是利用图像的视觉特征如图像中物体的颜色、形状、纹理等特征以及这些特征的组合和上下文联系分析提取出图像的内容特征作为图像的索引特征来得到所需图像.颜色特征是图像检索中应用最广泛的视觉特征,目前有很多基于颜色特征的图像检索算法,颜色直方图是一种重要的基于颜色特征进行的图像检索方法,文献[123]中给出的几种算法各有利弊,文中吸取其优点,将颜色直方图与图像空间分布熵相结合,设计了新的图像检索算法,实验证明具有较好的检索性能.2 基于颜色直方图特征的图像检索颜色直方图是常用的图像颜色特征表示方法,反映图像颜色的统计分布,描述的是图像的整体颜色特征.对于一幅图像I ,其颜色(或灰度)由L 级组成,每一种颜色(或灰度)值为c i (i =1,2,…,L ).在整幅图像中,具有c i 值的像素个数为h i ,则一组像素的统计值h 1,h 2,…,h L 就称为该图像的颜色直方图[4].为了使HSV 颜色空间能更好地符合人的视觉特性,更有利于图像颜色特征的提取.文献[5]中提出的颜色空间量化方法,将图像的颜色量化为36柄,量化方法如式(1)所示,这样可以将很多虽然深浅不同但在视觉上仍属于同一类的颜色量化在同一区间内,使量化结果符合人类的视觉感受.H=0,H∈[0°,60°) 1,H∈[60°,120°) 2,H∈[120°,180°) 3,H∈[180°,240°) 4,H∈[240°,300°) 5,H∈[300°,360°)S=0,S∈[0,0.25) 1,S∈[0.25,1]V=0,V∈[0,0.3)1,V∈[0.3,0.8)2,V∈[0.8,1.0)(1)由于色调在色度轴上的分布是连续过渡的,而且色调之间并不存在明显的界限,上述划分方法忽视了颜色在各个区间分界处的相似连续性.为使提取到的颜色特征更符合人的视觉心理,上述量化的基础上对色调H分量进行了第二次量化,第二次量化的方法如式(2)所示.将式(1)和式(2)得到的量化值逐项求平均值作为图像的颜色直方图特征,然后使用该颜色特征进行了基于颜色直方图的图像检索.H=0,H∈[30°,90°)1,H∈[90°,150°)2,H∈[150°,210°)3,H∈[210°,270°)4,H∈[270°,330°)5,H∈[330°,360°)∪[0°,30°)S=0,S∈[0,0.25) 1,S∈[0.25,1]V=0,V∈[0,0.3)1,V∈[0.3,0.8)2,V∈[0.8,1.0)(2)3 基于颜色空间分布熵特征的图像检索3.1 颜色空间分布熵特征的提取对于数字图像而言,图像由像素组成,不同灰度的像素出现次数的不同及其分布空间位置的不同,使得图像呈现不同的形状.因此,不同形状的图像所包含的熵也是不尽相同的,因而可以用熵描述图像的形状特征.设I为一幅R1×R2的彩色图像,像素p1=(x1,y1)∈I,p2=(x2,y2)∈I,像素间的空间距离可定义为|p1-p2|=max{|x1-x2|,|y1-y2|}(3)对于R1×R2的图像,像素间的距离满足0≤|p1-p2|≤max{R1-R2}-1,图像被划分为不同的矩形区间.为了保持图像的尺度不变性,需要进行归一化处理,即p ij=|A ij||A i|(4)利用熵的特性,设计采用颜色空间分布熵来描述颜色的空间分布特性.颜色i的空间分布熵表示如下:e i=-∑Nj=1p ij log2(p ij)(5)空间分布熵反映了具有某种颜色的像素在图像空间中的平均分散程度,颜色空间分布熵越大,表明具有该颜色的像素在图像空间中越分散,否则,表明具有该颜色的像素在图像空间的分布比较集中. 3.2 算法设计为了有效地利用颜色空间分布熵特征和颜色直方图特征进行图像检索,对图像的颜色直方图特征和图像的颜色空间分布熵这两个特征采用了加权综合法和比例系数法形成图像检索用的综合特征,设计了两种图像检索方法.3.2.1 加权综合法对于两幅图像的直方图特征,采用直方图相交法来进行相似性度量:d1(H,H′)=1-∑ni=1min(h i,h i′)min(∑ni=1h i,∑ni=1h i′)(6)对于图像颜色的空间分布熵,采用L1距离来进行相似性度量:d2(E,E′)=∑ni=1|e i-e i′|(7)由于颜色直方图间的距离d1及颜色空间分布熵间的距离d2代表了不同的含义,并且它们的取值也差别很大,因此不能简单地将两个距离相加来表示两幅图像间的距离,需要进行归一化处理,以保证构成总相似度中的每一个特征都具有相同的重要性.实验中,权重都取0.5,将图像的颜色直方图与颜色空间分布熵赋予了同等重要性.3.2.2 比例系数法对于任意的示例图像I和数据库图像I′,它们之间的相似性可以定义如下:d(I,I′)=1-∑ni=1min(h i,h i′)×min(e i,e i′)max(e i,e i′)(8)式中,图像间的相似性共包括两部分,第一部分min(h i,h i′),表示直方图相交法的结果,它度量了62微电子学与计算机2008年图像颜色直方图h i 和h i ′之间的相似性;第二部分min (e i ,e i ′)max (e i ,e i ′)度量了颜色i 的空间分布上的相似性.由于min (e i ,e i ′)max (e i ,e i ′)的结果为一个比例系数,因此该方法不需要进行特征间的归一化处理.4 实验结果为了比较算法的检索性能,将文中设计的两种算法与颜色直方图法进行了比较.采用的图像库包含有1000幅各类图像,包括交通工具、动物、建筑物和自然景观等类型的图像.在图像库中选取了5类图像组成检索集来检验算法的检索效果.采用查准率和检索率作为算法检索效果的评价的标准.其中,查准率表示检索结果队列中检索的目标图像数与队列中图像数之比,查全率定义为检索结果队列中检索的目标图像数与图像库中全部的目标图像数之比.对于不同的图像检索算法,在相同的检索率条件下检索的精确度越高,则表明该算法的检索效果越好.从每类图像中分别抽取5幅图像来进行检索,共形成25次检索结果,将25次检索结果查准率和查全率的平均值作为算法的平均检索结果.图1给出了三种算法的查准率和查全率对比曲线.需要说明的是,为了能更清晰地表示查全率和查准率的对比效果,图1中的坐标原点是(0.2,0.68).5 结束语由于图像颜色直方图一个主要缺点是没有反映颜色的空间分布信息,因此采用了图像的空间分布熵表示图像颜色的空间分布特征,综合使用了图像的颜色直方图特征和颜色的空间分布熵特征进行加图1 加权综合法、比例系数法、颜色直方图法查全率和查准率对比曲线权综合法图像检索和比例系数法图像检索比只使用图像的颜色直方图特征进行图像检索具有较好的检索性能.参考文献:[1]Li J ,Wang J Z ,Wiederhold G.IRM :integrated regionmatching for image retrieval [C ]//Proceeding of ACM A :Standford University ,2000.[2]Stricker M ,Orengo M.Similarity of color images [C ]//Proceeding of SPIE Storage and Retrieval for Image and Video Database.Swiss :Swiss Federal Institute of Technol 2ogy Publication ,1995(2420):381-392.[3]王宇生,陈纯.一种新的基于色彩的图象检索算法[J ].计算机研究与发展,2002,39(1):105-109.[4]魏宝刚,李向阳,鲁东明,等.彩色图像分割研究进展[J ].计算机科学,1999,26(4):59-62.[5]何清法,李国杰.综合分块主色和相关反馈技术的图像检索方法[J ].计算机辅助设计与图形学学报,2001,13(10):912-917.作者简介:高美真 女,(1970-),讲师.研究方向为多媒体技术、计算机基础教学.(上接第24页)[3]Saito.Call admission control in an A TM network using up 2per bound of cell loss probability[J ].IEEE Trans Commun ,1992(40):1512-1521.[4]姚正林,刘金刚.基于大偏差技术的自相似流CAC 算法[J ].微电子学与计算机,2004,21(3):65-68.[5]Stathis C ,Maglaris B.Modelling the self -similar be 2haviour of network traffic [J ].Computer Nerworks ,2000(34):37-47.[6]Norros.On the use of fractional brownian motion in thetheory of connectionless networks[J ].IEEE J.Select.Ar 2eas Common ,1995,13(6):953-962.[7]Wang L Jonathan ,Erramilli A.A connection admissioncontrol algorithm for self -similar traffic [C ]//G lobal Telecommunications Conference 1999.Rio de Janeiro ,Brazil ,1999(2):1623-1628.作者简介:胡 英 女,(1982-),硕士研究生.研究方向为计算机网络.谭献海 男,(1963-),博士,副教授,硕士生导师.研究方向为计算机网络.72 第4期高美真,等:基于颜色直方图的图像检索技术。
基于感兴趣点和颜色直方图的图像特征抽取方法介绍与实验验证
基于感兴趣点和颜色直方图的图像特征抽取方法介绍与实验验证图像特征抽取是计算机视觉领域中的重要研究方向，它能够从图像中提取出具有代表性的特征信息，为图像识别、检索等任务提供支持。
本文将介绍一种基于感兴趣点和颜色直方图的图像特征抽取方法，并通过实验验证其有效性。
一、引言图像特征抽取是图像处理的关键步骤之一，它能够将图像中的复杂信息转化为可计算的特征向量，从而方便后续的图像分析和处理。
感兴趣点是图像中具有显著性的局部区域，而颜色直方图则能够描述图像中不同颜色的分布情况。
本文将结合这两种特征，提出一种综合的图像特征抽取方法。
二、方法介绍1. 感兴趣点检测感兴趣点检测是图像特征抽取的第一步，它能够在图像中找到具有显著性的局部区域。
在本方法中，我们采用了SIFT（尺度不变特征变换）算法来检测感兴趣点。
SIFT算法具有尺度不变性和旋转不变性的特点，能够在不同尺度和旋转角度下提取出稳定的特征点。
2. 颜色直方图计算颜色直方图是描述图像颜色分布的一种统计方法。
在本方法中，我们将图像划分为若干个小块，并计算每个小块中不同颜色的像素数量。
然后，将这些数量归一化得到颜色直方图。
通过颜色直方图，我们可以了解图像中不同颜色的分布情况。
3. 特征向量生成在感兴趣点检测和颜色直方图计算完成后，我们将两种特征结合起来生成最终的特征向量。
具体地，我们将感兴趣点的位置信息和颜色直方图的数值信息按照一定的规则进行组合。
最终得到的特征向量能够全面地描述图像的特征信息。
三、实验验证为了验证本方法的有效性，我们在一个图像识别任务中进行了实验。
实验使用了一个包含多个类别的图像数据集，其中每个类别包含多张图像。
首先，我们使用提出的方法对每张图像进行特征抽取。
然后，使用支持向量机（SVM）作为分类器，对抽取得到的特征向量进行训练和测试。
实验结果表明，基于感兴趣点和颜色直方图的图像特征抽取方法在图像识别任务中取得了较好的效果。
与传统的方法相比，本方法能够更全面地描述图像的特征信息，从而提高了分类的准确率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于颜色直方图的图像检索作者:吴亚平学号:200812017081203009 1.概述在过去的十几年间，有许多知名机构都对图像检索系统进行了深入的研究，病开发出了相应的检索系统，例如IBM Almaden研究中心研制的QBIC系统，Virage公司研发的VIRAGE系统，麻省理工大学多媒体实验室研发的Photobook 系统，哥伦比亚大学研发的VisualSeek系统，斯坦福大学研发的WBIIS系统，U.C.伯克利分校研发的Blobworld系统等等。
这些检索系统的基本特征都是基于图像像素值的特征提取相应的规则图像，例如形状、颜色、纹理等，并以此为依据对图像进行比较检索，在这篇论文中，系统采用了基于颜色特征提取的检索。
基于直方图在两个颜色空间对图像特征进行判定检索。
这两个颜色空间是RGB和HSV。
通过对两副图像对应的RGB和HSV 值计算其距离，依据距离的远近来判断相似性，这种方法简单易行，由于丢弃了图像的形状、颜色、纹理等信息，判定的计算量相对较小。
当然这也导致了两副图像之间的判定没有实际的语义上的关联，也就是说，距离相近的图像并不一定有事实上的相应联系。
但是，经过试验的判定，这种基于直方图的图像检索系统能够为图片检索提供相对精确的检索结果。
2.相关知识2.1.RGB颜色空间RGB颜色模型中每种颜色都是由红绿蓝三种颜色组成。
这种颜色模型在许多CRT显示器和彩色光栅图形设备中被广泛使用。
这三种颜色被认为是其他颜色的添加剂，对于所需要的颜色通过对这三种颜色进行不同的比例进行相加即可得到。
RGB模型可以用如下的颜色坐标系表示。
注意从（0，0，0）到（1，1，1）的对角线，白色代表了灰阶，RGB色彩模式俯视从白色开始的。
2.2.HSV颜色空间（也称HIS颜色空间）HSV字母分别代表了色度（Hue），饱和度（Saturation），色调。
上面的锥形图说明HSV的颜色模型。
Value代表了颜色的强度，他是从图像信息中分离出来，可以表示相关信息的部分。
色度和饱和度代表了颜色在人眼中的生理特征。
色度与红色等颜色从0到1的表示不同，色度是从红色通过黄，绿，青，蓝，洋红色，再回到红色。
饱和度的区分是从0 到 1，他通过值大小来影响颜色的饱和度。
对于色调，也是从0到1，随着他的增大，图像的颜色就会越来越亮。
2.3.颜色模型之间的转换为了针对特定的应用更好的使用颜色，颜色空间的颜色转换是非常必要的。
一个好的颜色空间必须能够很好的表示两种颜色之间的颜色差别。
也就是说，数值表示的颜色可以近似的表示人类可以感觉的颜色的差别。
2.4.距离3.算法原理一个图像的颜色直方图是通过统计图像各个颜色的像素个数构成的。
其处理过程：1、选择颜色空间；2、对颜色空间进行量化；3、统计直方图；4、推到直方图的距离函数；5、通过索引指出最相近的图像。
算法中的每一步对于结果的可能都是至关重要的。
通过直方图检索也存在几个问题。
首先，颜色直方图有很高的维度，即便是经过极度的量化处理，图像的直方图特征空间也将占据超过100的特征值。
这种高维度就要求在处理过程中要减少统计特征，提前进行过滤以及对图像的分层级进行索引。
同时，这些大数据量也增加了计算距离函数的计算量和计算复杂度。
对于穿越距离的情况，这样的问题会更加的复杂。
4.算法实现4.1.产生图像数据库RGB颜色直方图被生成为512列 (r : 0~7, g: 0~7, b: 0~7 )（8 × 8 ×8）function makeRGBHistogramData()cd '.\img'str_head='RGB_zft_';str_tail='.txt';for file_num=0:499;filename=sprintf('%s%d%s',str_head,file_num,str_tail)imname=sprintf('%d.jpg',file_num)h = imread(imname,'jpg');%红色Red = h(:,:,1)'/(256/7);%绿色Green = h(:,:,2)'/(256/7);%蓝色Blue = h(:,:,3)'/(256/7);zft=zeros(8,8,8);[r,c] = size(Red);for i=1:r;for j= 1:c;zft(round(Red(i,j))+1,round(Green(i,j))+1,round(Blue(i,j))+1)=zft(round(Red(i,j))+1,round(Green(i,j))+1,round(Blue(i,j))+1) + 1;end;end;f_id=fopen(filename,'w');fprintf(f_id,'%d\n',zft);fclose(f_id);end;cd '..'return;endHSV颜色空间被生成为162列 (h: 0~17, s: 0~2,v: 0~2)（18 × 3 × 3）function makeHSVHistogramData()cd '.\img'str_head='HSV_zft_';str_tail='.txt';for file_num=0:499;filename=sprintf('%s%d%s',str_head,file_num,str_tail)imname=sprintf('%d.jpg',file_num)h = imread(imname,'jpg');HSV = rgb2hsv(h);Hue = HSV(:,:,1)'/(1/17);Saturation = HSV(:,:,2)'/(1/2);Value = HSV(:,:,3)'/(1/2);zft=zeros(18,3,3);[r,c] = size(Hue);for i=1:r;for j= 1:c;zft(round(Hue(i,j))+1,round(Saturation(i,j))+1,round(Value(i,j))+1)=zft(round(Hue(i,j))+1,round(Saturation(i,j))+1,round(Value(i,j))+1) + 1; end;end;f_id=fopen(filename,'w');fprintf(f_id,'%d\n',zft);fclose(f_id);end;cd '..'return;end4.2.计算距离function jl=calc_RGB_euclidean_distance(id0,id1)cd '.\img'filename0 = sprintf('RGB_zft_%d.txt',id0);filename1 = sprintf('RGB_zft_%d.txt',id1);f_id0=fopen(filename0,'r');zft0=zeros(8,8,8);zft0 = fscanf(f_id0,'%d\n');fclose(f_id0);f_id1=fopen(filename1,'r');zft1=zeros(8,8,8);zft1 = fscanf(f_id1,'%d\n');fclose(f_id1);jl=0;for i=1:512;jl = jl + (zft0(i) - zft1(i))*(zft0(i) - zft1(i));end;cd '..'return;endfunction jl=calc_HSV_euclidean_distance(id0,id1)cd '.\img'filename0 = sprintf('HSV_zft_%d.txt',id0);filename1 = sprintf('HSV_zft_%d.txt',id1);f_id0=fopen(filename0,'r');zft0=zeros(18,3,3);zft0 = fscanf(f_id0,'%d\n');fclose(f_id0);f_id1=fopen(filename1,'r');zft1=zeros(18,3,3);zft1 = fscanf(f_id1,'%d\n');fclose(f_id1);jl=0;for i=1:162;jl = jl + (zft0(i) - zft1(i))*(zft0(i) - zft1(i));end;cd '..'return;end4.3.程序界面5.测试结果6.结论6.1.论文结论基于直方图的图像检索在RGB颜色空间具有比HSV颜色空间更好的检索效果从计算时间的观点上来说，使用HSV颜色空间使用几何或二次方法比使用RGB颜色空间需要更小的时间开销在同时考虑计算时间和检索效率的情况下，在HSV颜色空间下的直方图交叉检索是六种方法中最可取的方法。
二次距离在计算负担下是不具有效率的。
6.2.我的结论基于直方图的图像检索在RGB颜色空间具有比HSV颜色空间更好的检索效果使用HSV颜色空间需要更小的时间开销交叉检索没有效率在考虑时间效率的情况下可以考虑在HSV空间下使用直方图检索7.讨论我们来分析上面结论产生偏差的原因，首先我们来看两个距离公式以及两张最容易检索出来的图片。
在这里我们分析图片的统计数据，从中发现规律，通过将数据从直方图中我们可以看出，对于最容易选出的295图片，其HSV值偏小，易于在距离计算中被选出。
7.1.最终结论对于图片295 ，在HSV空间小的数比例偏小，导致用min选择时容易选到该张图片。
欢迎您的下载，资料仅供参考！致力为企业和个人提供合同协议，策划案计划书，学习资料等等打造全网一站式需求。