- 相關(guān)推薦
彩色圖像特征提取研究(一)
彩色圖像特征提取研究
徐紅霞
摘要:以普通的彩色圖像為例,介紹了對(duì)彩色圖像特征提取的原理。其具體過(guò)程分為原圖像的預(yù)處理、圖像信息分析、圖像的特征提取,然后用MATLAB實(shí)現(xiàn)具體的過(guò)程,最后獲得需要的顏色特征、紋理特征、輪廓特征等。
關(guān)鍵詞:彩色圖像 圖像預(yù)處理 特征提取
1.引言
1.1 選題背景
近年來(lái),數(shù)字圖像的數(shù)量正在飛速增長(zhǎng),對(duì)日益龐大的圖像庫(kù)進(jìn)行有效的管理尤為重要;趦(nèi)容的圖像檢索CBIR(Content Based Image Retrieval),如顏色特征、紋理特征等進(jìn)行索引的方法成為當(dāng)前多媒體檢索研究的熱點(diǎn)之一。
另一方面計(jì)算機(jī)視覺(jué)技術(shù)在現(xiàn)代生活中已獲得了廣泛的應(yīng)用,高效的圖像處理算法是計(jì)算機(jī)視覺(jué)技術(shù)能否獲得成功應(yīng)用的關(guān)鍵,近年來(lái),隨著計(jì)算機(jī)視覺(jué)研究的不斷進(jìn)步、多媒體技術(shù)和虛擬現(xiàn)實(shí)技術(shù)的不斷完善、彩色成像設(shè)備的不斷改進(jìn),彩色圖像的應(yīng)用越來(lái)越廣泛,然而,圖像處理研究仍然集中在灰度圖像上。對(duì)灰度圖像的技術(shù)通常不能用到彩色圖像,因?yàn)椴噬珗D像更復(fù)雜,對(duì)計(jì)算機(jī)的計(jì)算速度與存儲(chǔ)容量要求更高。彩色圖像處理己經(jīng)成為當(dāng)前圖像處理領(lǐng)域重要的研究課題。
圖像的特征有顏色、形狀、紋理等。顏色是物體表面的屬性,因此對(duì)于圖像分割和目標(biāo)識(shí)別等的研究都具有非常重要的意義。顏色在計(jì)算機(jī)視覺(jué)中應(yīng)用也在不斷進(jìn)步;另一方面,紋理是物體表面結(jié)構(gòu)的模式,可以認(rèn)為是顏色(灰度)在空間以一定的變化形式而產(chǎn)生的圖案(模式),是圖像的一種區(qū)域性質(zhì)[8]。
1.2 程序簡(jiǎn)介
MATLAB是一門編程語(yǔ)言,其語(yǔ)法規(guī)則與一般的結(jié)構(gòu)化編程語(yǔ)言(如C語(yǔ)言等)大同小異,而且它不需要定義變量和數(shù)組,使用更加方便。具有一般的語(yǔ)言基礎(chǔ)就可以很快掌握。其次MATLAB有代碼短小高效的特點(diǎn),由于MATLAB已經(jīng)將數(shù)學(xué)問(wèn)題的具體算法編成了現(xiàn)成的函數(shù),我們只要熟悉算法的特點(diǎn)、使用場(chǎng)合、函數(shù)的調(diào)用格式和參數(shù)意義等,通過(guò)調(diào)用函數(shù)就可以很快地解決問(wèn)題。該軟件有六十多個(gè)工具箱,可以直接調(diào)用,節(jié)省時(shí)間和精力。工具箱實(shí)際上是對(duì)MATLAB進(jìn)行擴(kuò)展應(yīng)用的一系列MATLAB函數(shù)(稱為M文件),它可用來(lái)求解各類學(xué)科的問(wèn)題,包括信號(hào)處理、圖象處理、控制系統(tǒng)辨識(shí)、神經(jīng)網(wǎng)絡(luò)等。隨著MATLAB版本的不斷升級(jí),其所含的工具箱的功能也越來(lái)越豐富。隨著MATLAB版本的不斷升級(jí),其所含的工具箱的功能也越來(lái)越豐富,因此,應(yīng)用范圍也越來(lái)越廣泛,成為涉及數(shù)值分析的各類工程師不可不用的工具。其次,它有強(qiáng)大的圖形表達(dá)功能,不僅可以繪制一般的二維、三維圖像,如線圖、條形圖、餅圖、散點(diǎn)圖、直方圖與誤差條圖等,還可以繪制工程特性較強(qiáng)的特殊圖形,如玫瑰花圖、極坐標(biāo)圖、二維、三維等值線圖、三維表面圖、假彩色圖、二維、三維流線圖、三維彩色流錐圖、流沙圖、流帶圖、流管圖、卷曲圖與切片圖等,此外還可以生成快照?qǐng)D和進(jìn)行動(dòng)畫制作,對(duì)于圖像的處理有很重要的作用。所以這次研究我們以MATLAB作為實(shí)現(xiàn)原理過(guò)程的程序。
1.3 課題流程
本課題主要的環(huán)節(jié)為彩色圖像的分析和特征提取,流程圖如下:
原圖像 → 圖像預(yù)處理 → 圖像分析 → 特征提取
原始圖像:由各種路徑獲得且能被MATLAB支持的各種格式的圖像數(shù)據(jù),如BMP格式、GIF格式、TIF格式、JPEG格式的圖像等。
圖像的預(yù)處理:直方圖修正,灰度變化,圖像的平滑與銳化,圖像類型轉(zhuǎn)換。
圖像分析:像素值統(tǒng)計(jì),直方圖提取,區(qū)域?qū)傩缘取?br />
特征提取:彩色圖像的輪廓特征,顏色值特征,紋理特征等。
本文以MATLAB工具箱中一張普通的彩色圖像‘flowers.tif’為例,利用MATLAB編程實(shí)現(xiàn)彩色圖像的特征提取:
2.圖像的預(yù)處理
2.1直方圖修正
直方圖修正的應(yīng)用非常廣泛。例如:在醫(yī)學(xué)上,為了改善X射線機(jī)操人員的工作條件,可以采用低強(qiáng)度的X射線曝光,但是這樣獲得的X光片灰度級(jí)集中在暗區(qū),許多圖像細(xì)節(jié)無(wú)法看清,判斷困難,通過(guò)修正使灰度級(jí)分布在人眼合適的亮度區(qū)域,就可以使X光片中的細(xì)節(jié),如筋骨、關(guān)節(jié)等清晰可見(jiàn)。另外還有一些非可見(jiàn)光成像的工業(yè)無(wú)損檢測(cè)(如射線成像、紅外成像等),軍事圖像通常有直方圖均衡化和直方圖規(guī)定化兩大類。下面介紹其中一種方法—直方圖均衡化:
直方圖均衡化也稱為直方圖均勻化,是一種常用的灰度增強(qiáng)算法,是將原圖的直方圖經(jīng)過(guò)函數(shù)修正為均勻直方圖,然后按均衡化的直方圖修正原圖像。具體方法是:
給出原始圖像的所有灰度級(jí)Sk,k=0,1,…,L-1。
統(tǒng)計(jì)原始圖像各灰度級(jí)的像素nk。
用式p=(Sk)=nk/n 計(jì)算原始圖像的直方圖。
計(jì)算原始圖像的累計(jì)直方圖。
取整計(jì)算:Tk=int[(N-1)tk+k/N]
確定映射關(guān)系Sk→tk。
統(tǒng)計(jì)新直方圖各灰度級(jí)的像素nk。
計(jì)算新的直方圖:pk=nk/n
2.2圖像的平滑與銳化
圖像的平滑-低通濾波:一般說(shuō)來(lái),圖像的邊緣和噪聲都應(yīng)對(duì)于傅里葉變換中的高頻部分,所以能讓低頻信賴暢通無(wú)阻而同時(shí)濾波掉高頻分量的低通濾波器能夠平滑圖像,去除噪聲。
這里應(yīng)該指出,傅里葉變換的主要能量都集中在頻譜中心的,合理的選擇截止頻率對(duì)保留圖像的能量是至關(guān)重要的,以一副256×256的圖像為例,如果D0=5,那么理想低通濾波器將保存圖像98%的能量。隨著D0的增大,圖像的能量將迅速流失,如果D0=22,那么98%的能量將會(huì)通過(guò)該濾波器流失。另外,理想低通濾波后的圖像將會(huì)出現(xiàn)一種“振鈴”特性,造成圖像不同程度的模糊,D0越小,模糊程度越明顯。造成這種模糊的原因在于理想低通濾波器的傳遞函數(shù)H(u,v)在D0處由1變?yōu)?,該H(u,v)經(jīng)過(guò)傅里葉反變換后在空域中將表現(xiàn)為同心圓的形式。
圖像的銳化-高通濾波:由于圖像中灰度發(fā)生驟變的部分與其頻譜的高頻分量相對(duì)應(yīng),所以應(yīng)采用高頻濾波器衰減或抑制低頻分量,使高頻分量暢通并能夠?qū)D像進(jìn)行銳化處理。
由于經(jīng)過(guò)高通濾波處理后的圖像丟失了許多低頻信息,所以圖像的平滑區(qū)基本會(huì)消失。為此,需要采用高頻加強(qiáng)濾波來(lái)彌補(bǔ)。高頻加強(qiáng)濾波就是在設(shè)計(jì)濾波傳遞函數(shù)時(shí),在原有的設(shè)計(jì)結(jié)果上添加一個(gè)大于0,小于1的常數(shù)c,即
H’(u,v)=H(u,v)+c
于是濾波結(jié)果為
G’(u,v)=F(u,v)H’(u,v)=F(u,v)H(u,v)+cH(u,v)
由上式可見(jiàn),高頻加強(qiáng)濾波在高頻濾波的基礎(chǔ)上保留了cF(u,v),的低通分量,高頻分量也比一般高通濾波時(shí)加強(qiáng)了cF(u,v),故稱為高頻加強(qiáng)濾波,這種濾波處理效果比一般的高頻濾波要好。
2.3 圖像類型轉(zhuǎn)換
在MATLAB中圖像類型可分為二值圖像、索引圖像、灰度圖像、多幀圖像和RGB圖像,許多圖像處理對(duì)圖像的圖像類型有一定的要求,如MATLAB中彩色圖像的輪廓及邊緣提取需要將真彩圖像轉(zhuǎn)換為灰度圖像,而具體的過(guò)程只需要通過(guò)rgb2gray函數(shù)就可以實(shí)現(xiàn)。同樣將彩色圖像二值化也只需通過(guò)im2bw函數(shù)就能獲得,通過(guò)MATLAB對(duì)原圖編程,獲得如下圖形:
圖(2-5)圖像的格式轉(zhuǎn)化
3.圖像的分析
3.1 像素值統(tǒng)計(jì)
像素值在彩色圖像中表示為顏色值的信息,用于彩色圖像的顏色特征提取。MATLAB的圖像處理工具箱提供有pixval函數(shù)和impixel函數(shù)用于提供圖像特定像素的數(shù)據(jù)值(灰度值或顏色值)信息。而improfile函數(shù)用于沿著圖像中一條直線段或折線段計(jì)算和繪制圖像像素值的圖像[2]。三個(gè)函數(shù)分別獲得像素值統(tǒng)計(jì)結(jié)果如下:
圖(3-1)pixval函數(shù)統(tǒng)計(jì)像素值 圖(3-2)impixel函數(shù)統(tǒng)計(jì)像素值
圖(3-3)improfile函數(shù)統(tǒng)計(jì)像素值
3.2 直方圖提取
直方圖用于顯示灰度圖像的灰度值分布,用于圖像的紋理特征提取。MATLAB中用imhist函數(shù)可以創(chuàng)建圖像的統(tǒng)計(jì)直方圖,得到的結(jié)果如下圖所示:
圖(3-4)圖像直方圖提取
3.3 區(qū)域?qū)傩?br />
圖像區(qū)域的有關(guān)屬性有區(qū)域的面積、質(zhì)心、均值、標(biāo)準(zhǔn)差和相關(guān)系數(shù)等等,對(duì)于彩色圖像紋理等特征的提取有很大的作用,在MATLAB中可以用mean2函數(shù)、std2函數(shù)和corr2函數(shù)分別計(jì)算圖像矩陣的均值、標(biāo)準(zhǔn)差和兩個(gè)相同矩陣的相關(guān)系數(shù)。有關(guān)他們的用法不再細(xì)講。而對(duì)于選定的圖像區(qū)域可以用regionprops函數(shù)來(lái)計(jì)算,例如,區(qū)域的面積、質(zhì)心、包含區(qū)域的邊框等。
4.特征提取
4.1彩色圖像特征提取
通過(guò)圖像信息去測(cè)量、識(shí)別或理解其中的對(duì)象物,依賴于一些能表征對(duì)象物的圖像物理特征,如邊緣、區(qū)域、形狀、顏色、紋理等等。通過(guò)各種處理方法,將包含圖像信息的必要的特征顯露出來(lái),并加以量化的處理稱之為彩色圖像的特征提取[1]。
圖像特征是指圖像的原始特性或?qū)傩。圖像特征提取工作的結(jié)果給出某一具體的圖像中與其他圖像相區(qū)別的特征[1]。
4.2 彩色圖像的輪廓提取
邊緣、輪廓特征是可以直觀觀測(cè)的特征之一,也是描述物體外形的形態(tài)特征。在圖像處理技術(shù)中,許多場(chǎng)合都要求計(jì)算機(jī)進(jìn)行圖像描述,并按照特征對(duì)圖像進(jìn)行分析和理解。如在醫(yī)學(xué)癌細(xì)胞識(shí)別中,要求能夠從顯微鏡中得到有關(guān)癌細(xì)胞形狀的描述等。而邊緣檢測(cè)技術(shù)是所有基于邊界分割的圖像分析方法的第一步。
在MATLAB里可以用imcontour函數(shù)來(lái)輪廓提取實(shí)現(xiàn)這一過(guò)程,通過(guò)函數(shù)獲得的結(jié)果如下圖所示:
圖(4-1)圖像的輪廓提取
邊緣的檢測(cè)可以借助空域微分算子利用卷積來(lái)實(shí)現(xiàn)。常用的微分算子有梯度算子和拉普拉斯算子等,這些算子不但可以檢測(cè)圖像的而為邊緣,還可以檢測(cè)圖像序列的三維邊緣。用微分算子對(duì)圖像進(jìn)行邊緣檢測(cè)所得的邊界常常會(huì)發(fā)生斷裂現(xiàn)象。所以需要通過(guò)領(lǐng)域端點(diǎn)搜索、曲線擬合和Hough變換等方法將邊緣連接起來(lái)。
這里所用的邊緣檢測(cè)算子為canny算子,它檢測(cè)邊緣的方法是尋找圖像梯度的局部極大值,梯度是用高斯濾波器的倒數(shù)計(jì)算的。Canny方法使用兩個(gè)閾值來(lái)分別檢測(cè)強(qiáng)邊緣和弱邊緣,而且僅當(dāng)弱邊緣與強(qiáng)邊緣相連時(shí),弱邊緣才會(huì)包含在輸出中,因此,此方法不容易受噪聲的干擾,能夠檢測(cè)的真正的弱邊緣。
而連接方法選用Hough變換,它的主要優(yōu)點(diǎn)是受噪聲和曲線間斷的影響小,利用Hough變換出來(lái)可以進(jìn)行邊界連接之外,還可以用來(lái)直接檢測(cè)某些一直的形狀的目標(biāo)。Hough變換是利用圖像的全局特征將邊緣像素連接起來(lái)形成封閉邊界的一種連接方法。利用點(diǎn)與直線的對(duì)偶性的特點(diǎn),在圖像空間中,所有過(guò)點(diǎn)(x,y)的直線都滿足以下方程:
y=kx+b用極坐標(biāo)表示式為:ρ=x cosθ+y sinθ其中,(ρ,θ)定義了一個(gè)從原點(diǎn)到直線上最近點(diǎn)的向量,該向量與直線垂直,極坐標(biāo)變換就稱做直線的Hough變換。由于x-y平面中的直線上的各個(gè)邊緣點(diǎn)都滿足參數(shù)的等式,所以x-y空間中所有的邊緣對(duì)應(yīng)的正弦曲線都相交于點(diǎn)(ρ0,θ0),可以建立一個(gè)位于參數(shù)空間中的直方圖,對(duì)于每一個(gè)邊緣點(diǎn),給參數(shù)空間中的所有與之對(duì)應(yīng)的正弦曲線的直方圖方格一個(gè)增量。于是,當(dāng)所有邊緣點(diǎn)都經(jīng)過(guò)這種處理后,包含(ρ0,θ0)的方格將具有局部最大值,通過(guò)對(duì)參數(shù)空間的直方圖進(jìn)行局部最大值搜索就可以獲得邊界直線的參數(shù)。
通過(guò)函數(shù)的MATLAB實(shí)現(xiàn)得到如下結(jié)果圖:
圖(4-2)圖像的邊緣檢測(cè)
4.3圖像分割
圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟,也是一種基本的計(jì)算機(jī)視覺(jué)技術(shù)。隨的圖像處理,諸如特征提取和對(duì)象識(shí)別,都依賴于圖像分割的質(zhì)量。圖像分割就是指把像分成各具特性的區(qū)域并提取感興趣目標(biāo)的技術(shù)和過(guò)程。盡管人們?cè)趫D像分割方面做了許多研究工作,但由于沒(méi)有通用的分割理論,現(xiàn)己提出的分割算法大都是針對(duì)具體問(wèn)題的,并沒(méi)有一種適合所有圖像的通用分割算法[7]。對(duì)于彩色圖像分割問(wèn)題,必須充分利用彩色圖像所包含的豐富的色彩信息,選擇適當(dāng)?shù)奶卣鳎鼓繕?biāo)和背景能依據(jù)特征上的差別進(jìn)行區(qū)分,利用這個(gè)顏色特征將彩色圖像轉(zhuǎn)變成灰度圖像,再確定閾值將灰度圖像二值化。
4.4紋理特征提取
為了獲得較好的分割效果,選擇紋理特征時(shí)要兼顧圖像的局部灰度特性以及像素點(diǎn)彼此之間的灰度依賴性,因此,本文選用以像素點(diǎn)為中心的窗口灰度共生矩陣特征作為該像素點(diǎn)的紋理特征。
灰度共生矩陣(Gray Level Concurrence Matrix)是近年來(lái)發(fā)展起來(lái)的分析紋理特性的有效方法,它反應(yīng)了圖像中任意兩點(diǎn)灰度的相關(guān)性;叶裙采仃嚤欢x為從灰度值為i的像素點(diǎn)離開(kāi)某個(gè)位置關(guān)系δ=(⊿X,⊿Y)上點(diǎn)的灰度值為j的距離,兩像素的位置關(guān)系如圖2所示,即k(i,j)={(x,y)|f(x,y)=i且f(x+⊿X,y+⊿Y)=j;x,y=0,1,…,N-1}集合的像素個(gè)數(shù)。其中,x,y是圖像中像素坐標(biāo),f(x,y)是該點(diǎn)灰度值,i,j=0,1,…,L-1,L是灰度級(jí)數(shù)目,⊿X,⊿Y是偏移量。標(biāo)識(shí)圖像的紋理特征有很多,常用的統(tǒng)計(jì)分量主要有紋理一致性、紋理反差、紋理熵和紋理相關(guān)性。本文選用了紋理一致性作為紋理特征,具體的定義如下:
紋理一致性:其中p(i,j)為歸一化共生矩陣中灰度級(jí)對(duì)為(i,j)的聯(lián)合概率,k[i][j]是{(x,y)|f(x,y)=i且f(x+⊿X, ⊿y+Y)=j;x,y=0,1…N-1}集合像素個(gè)數(shù),L是灰度級(jí)數(shù)目。
4.5傅立葉特征
計(jì)算紋理要選擇窗口,僅一個(gè)點(diǎn)是無(wú)紋理可言的,所以紋理是二維的。在紋理分析中使用到的是傅立葉變換,主要原因是圖像傅立葉變換的能量譜能在一定程度上反映某些特征。設(shè)紋理圖像為f(x,y),其傅立葉變換可由下式表示:
F(u,v)=∫∫f(x,y)edxdy
其功率譜定義為:
。麱(u,v)|=F(u,v) F(u,v)
其中F(u,v)為F(u,v)的共軛復(fù)數(shù)。功率譜F(u,v)反映了整個(gè)的性質(zhì)。由此可知:如果一個(gè)幅圖像的紋理較粗糙,即圖像的灰度變化很少或較慢,則在。╱+ v)的值處|F(u,v)|有較大值;如果一副圖像的紋理較細(xì)膩,即圖像的灰度變化頻繁或較快,則在大的(u+ v)值處|F(u,v)|應(yīng)有較大的值。因此,如果想要檢測(cè)紋理的粗糙、細(xì)膩性質(zhì),一個(gè)有用的度量就是|F(u,v)|隨(u+ v)變化的情況。
如果把傅立葉變換用極坐標(biāo)形式表示,則有F(r,θ)的形式?紤]到原點(diǎn)為r的圓上的能量為
Φr=∫| F(r,θ)|dθ
經(jīng)實(shí)際紋理圖像的研究表明:在紋理較粗的情況下,能量多集中在離原點(diǎn)近的范圍內(nèi),而在紋理較細(xì)的情況下,能量分散在離原點(diǎn)較遠(yuǎn)的范圍內(nèi)。由此可得出如下結(jié)論:如果r較小,Φr很大;r很大時(shí)Φr反而較小,則說(shuō)明紋理是粗糙的;反之如果r變化對(duì)Φr的影響不是很大時(shí),則說(shuō)明紋理是比較細(xì)的。
4.6顏色特征提取
特征提取的主要任務(wù)是把圖像的顏色特征提取出來(lái)存入圖像特征數(shù)據(jù)庫(kù),以此特征作圖像檢索的主要依據(jù),主要步驟為:
(1)將RGB顏色空間轉(zhuǎn)換為適合肉眼分辨的HSV顏色空間;
(2)HSV空間的非等間隔量化;
(3)根據(jù)量化后的圖像統(tǒng)計(jì)得到直方圖[5]。
4.6.1 RGB顏色空間轉(zhuǎn)換HSV顏色空間
顏色被公認(rèn)為是圖像檢索中最有價(jià)值的底層特征,因此顏色就成為了圖像檢索中用的最多的視覺(jué)特征。對(duì)于復(fù)雜背景圖像,顏色特征具有相對(duì)良好的魯棒(robust)性,并且不受圖像尺寸和方向的影響。常用的顏色空間有:RGB、HSI、HSL、HSB、CMYK、HSV等,采用何種顏色空間并沒(méi)有統(tǒng)一的標(biāo)準(zhǔn),對(duì)于RGB顏色模型是用紅、綠、藍(lán)三種基色來(lái)表示各種顏色,但RGB顏色空間不能很好的與感知上的顏色空間結(jié)合起來(lái),較好的是HSV模型,因此在這里需要RGB到HSV的轉(zhuǎn)換。對(duì)于HSV顏色空間,又稱為六椎體模型,給定RGB顏色空間的值(r,g,b),其中r,g,b∈[0,255],則變換到HSV空間的H,S,V值,可設(shè)v'=max(r,g,b),定義:{r',g',b'}為:
r'=(v'-r)/(v'-min(r,g,b))
g'=(v'-g)/(v'-min(r,g,b))
b'=(v'-b)/(v'-min(r,g,b))
則有v=v'/255,s=(v'-min(r,g,b))/v'
h’= 5+b’ , r=max(r,g,b)且g=min(r,g,b);
1-g’, r=max(r,g,b)且g=min(r,g,b);
1+r’ g=max(r,g,b);
3-b’, g=max(r,g,b)且b=min(r,g,b);
3+g’, b=max(r,g,b)且r=min(r,g,b)
5-r’, 其他
h=h'×60
這里r,g,b∈[0,255],h∈[0,360],s∈[0,1],v∈[0,1]
4.6.2HSV空間的非等間隔量化
將h,s,v 3個(gè)分量按人的顏色感知進(jìn)行非等間隔的量化,從對(duì)顏色模型的大量分析和計(jì)算。可把色調(diào)h分成16份,飽和度s和亮度v分別分成4份,并據(jù)色彩的不同范圍進(jìn)行量化,量化后的色調(diào)、飽和度和亮度值分別為H,S,V。
H= 0, 如果h∈(345,15]; S= 0, 如果s∈(0,0.15];
1, 如果h∈(15,25]; . 1, 如果s∈(0.15,0.4];
2, 如果h∈(25,45]; . 2, 如果s∈(0.4,0.75];
3, 如果h∈(45,55]; . 3, 如果s∈(0.75,1];
4, 如果h∈(55,80];
5, 如果h∈(80,108];
6, 如果h∈(108,140];
7, 如果h∈(140,165];
8, 如果h∈(165,190]; V= 0, 如果v∈(0,0.15];
9, 如果h∈(190,220]; . 1, 如果v∈(0.15,0.4];
10, 如果h∈(220,255]; . 2, 如果v∈(0.4,0.75];
11, 如果h∈(255,275]; . 3, 如果v∈(0.75,1];
12, 如果h∈(275,290]; .
13, 如果h∈(290,316];
14, 如果h∈(316,330];
15, 如果h∈(330,345];
上面的h,s,v取值區(qū)間均為前開(kāi)后閉。量化完成后,我們把顏色空間劃分為L(zhǎng)h×Ls×Lv個(gè)相似色空間,其中Lh、Ls、Lv分別表示三個(gè)量化級(jí)數(shù),把3個(gè)顏色分量合成為一維特征矢量,即L=H×Ls×Lv+S×Lv+V其中Ls和Lv分別是S和V的量化級(jí)數(shù),取Ls=2,Lv=3因此上式可表示為:L=6H+3S+V這樣H,S,V三個(gè)分量就在一維矢量上分布開(kāi)來(lái)。其中L的取值范圍是[0~35],即根據(jù)量化后的圖象可以統(tǒng)計(jì)得到36柄的一維直方圖。
4.6.3提取顏色直方圖
顏色直方圖是顏色信息的函數(shù),它表示圖像中具有同顏色級(jí)別的像素的個(gè)數(shù),其橫坐標(biāo)是顏色級(jí)別,縱坐標(biāo)是顏色出現(xiàn)的頻率(像素的個(gè)數(shù))。因此顏色直方圖(color histogram)是用來(lái)表達(dá)顏色特征最常用的手段。顏色直方圖的定義如下:設(shè)圖像I大小為w*h的圖像,其中圖像I中的顏色量化值分別為C1,C2,…Cn。對(duì)于象素點(diǎn)p=(x,y)∈I,令C(p)表示其顏色,即I{p│C(p)=C}。那么對(duì)于顏色Ci,i∈m,圖像I的直方圖為: HCi (I)=‖ICi‖。為了保證尺度不變性,一般對(duì)直方圖進(jìn)行標(biāo)準(zhǔn)化:hCi =Pr[p∈ICi ]= HCi (I)/w*h。
常用的顏色直方圖有很多。我們?cè)谶@里用到的為局部直方圖。
局部顏色特征區(qū)域顏色直方圖和區(qū)域顏色分布特征,后者包括區(qū)域顏色矩(主要是均值和方差)、區(qū)域顏色極大、極小值等。下面給出局部直方圖的定義和處理方法:從廣義角度,顏色直方圖可定義為某個(gè)圖像、區(qū)域或目標(biāo)中顏色的分布情況描述,其定義形式為:
Hc(k)= ∑ (x,y)∈R h(C(x,y)) R為圖像區(qū)域。
由于區(qū)域顏色分布具有局域性,有的顏色出現(xiàn)的很少,為了簡(jiǎn)化直方圖描述,有必要對(duì)其進(jìn)行優(yōu)選。一種基于閥值的顏色集(color set)的思想是針對(duì)顏色直方圖中每個(gè)顏色項(xiàng)k,引入閥值T:
bk={ 1 如果≥T 0 其他
顯然,bk是否為1可以判斷區(qū)域內(nèi)顏色k在處理時(shí)是否可以忽略。如果顏色k的像素?cái)?shù)目小于給定的某個(gè)閥值,該顏色將被忽略。這樣就在一定的程度上簡(jiǎn)化了直方圖后期索引及匹配的工作量。
5.討論
本次課題研究取得較為令人滿意的結(jié)果,為了得到相關(guān)信息,我們翻閱許多圖像處理和MATLAB程序的資料。通過(guò)小組的分工努力,把上述的流程一一做完,最終通過(guò)MATLAB程序,實(shí)現(xiàn)了彩色圖像的部分特征的提取。但是本次課題還存在很多的不足,比如在顏色特征提取部分,還有更多的算法有待更深入的研究。
6.結(jié)果分析
對(duì)一般的彩色圖像,通過(guò)圖像的預(yù)處理和圖像分析,可以提取到圖像的部分特征,如顏色、形狀、紋理特征等,對(duì)圖像檢索和彩色圖像處理技術(shù)有很大的幫助。測(cè)試結(jié)果表明,本設(shè)計(jì)充分利用MATLAB中已有的函數(shù)庫(kù),使整個(gè)程序設(shè)計(jì)簡(jiǎn)單易行。
【參考文獻(xiàn)】
[1] 余成波. 數(shù)字圖像處理及MATLAB實(shí)現(xiàn). 重慶大學(xué)出版社. 2003.6 P18 P223
[2] 王洪元. MATLAB語(yǔ)言及其在電子信息工程中的應(yīng)用. 清華大學(xué)出版社. 2004.12
[3] 賀興華, 周媛媛, 王繼陽(yáng), 周暉. MATLAB7.x圖像處理. 人民郵電出版社. 2006.11
[4] 許飛, 施小紅. MATLAB應(yīng)用圖像處理. 西安電子科技大學(xué)出版社. 2002.5 P160-161
[5] 鞏艷華, 朱愛(ài)紅, 代凌云. 福建電腦 ( Fujian Computer). 2007年5月
[6] 于鉑, 鄭麗敏, 田立軍. 計(jì)算機(jī)工程( Computer Engineering). 2006年 03期
[7] 陳麗, 蘇海鋒,王巖,孫玉梅.計(jì)算機(jī)與信息技術(shù) ( Computer & Information Technology). 2006年 Z1期
[8] 黃志開(kāi). 彩色圖像特征提取與植物分類研究[D]. 中國(guó)優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫(kù) (博士). 2006.04
【彩色圖像特征提取研究(一)】相關(guān)文章:
醫(yī)學(xué)圖像領(lǐng)域中數(shù)字圖像處理的應(yīng)用論文04-19
談地理圖像投影導(dǎo)學(xué)法08-21
對(duì)汽車維修服務(wù)業(yè)的一項(xiàng)研究(一)05-12
高一化學(xué)研究性學(xué)習(xí)開(kāi)題報(bào)告09-01
課題研究開(kāi)題報(bào)告10-26
定向增發(fā)機(jī)制研究06-03
刑罰裁量的原則研究06-04
文學(xué)鑒賞研究論文11-03
單位自首的處罰研究06-13
舞蹈藝術(shù)的特征研究10-26