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�；�于內(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)�圖像進(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�使目�?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�矩陣被定義為從灰度值為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