《数字图像处理实战》第5章 图像特征提取.pptx

图像特征提取;;颜色特征是在图像检索中广泛应用的视觉特征，也是人们识别图像时最主要的感知特征，主要是因为颜色往往和图像中所包含的场景和物体有非常强的相关性。 自然界中，同种物体一般有相同的颜色特征，不同的物体可能有着不同的颜色特征。 相对于其他图像特征，颜色特征对图像方向、尺寸和视角等的依赖性较小，具有较高的鲁棒性，有不少的图像检索系统以颜色特征作为图像检索的主要手段。 常用的颜色特征包括：颜色直方图、颜色矩、颜色聚合向量和颜色相关图。;颜色直方图是被广泛应用在许多图像检索系统中的颜色特征，只包含了图像中各颜色值出现的频数，可以描述不同色彩在整幅图像中所占的比例。 如果图像可以分为多个区域，且前景与背景颜色分布具有明显差异，那么颜色直方图呈现双峰形。但是颜色直方图丢失了像素所在的空间位置信息，即无法描述图像中存在的对象或物体。 任一幅图像都能唯一的给出一幅与之对应的颜色直方图，但不同的图像可能有相同的颜色分布，从而具有相同的直方图，因此直方图与图像是一对多的关系。 在获取颜色直方图前，会对图像颜色空间的颜色分量进行分割，常用的颜色空间包含RGB、HSV颜色空间。颜色直方图对图像几何变换中的旋转、翻转变化不敏感，具有一定的稳定性。;通过OpenCV中的calcHist函数可以计算图像直方图，语法格式如下。 需要注意calcHist函数不实现直方图的绘制。 cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]]) ;calcHist函数参数接收的数据类型有所不同，例如，images参数不能直接接收图像数组，需要将图像数组转换列表的形式，即“[img_bgr]”，img_bgr表示RGB颜色空间的图像数组。同时将histSize参数的值设置为256，表示统计每个像素值的数量。 通过calcHist函数计算图像直方图，然后使用绘图库实现颜色直方图绘制，得到的RGB颜色空间的颜色直方图，如图所示。 从图可以看出，三种颜色的颜色直方图的数量峰值都是分布在像素值较低的位置，表明图像的颜色总体偏暗色调。 不同颜色对应像素值数量的变化趋势在0到150的区间内基本相同，在150后红色的像素数量明显高于其??两种颜色，表明在图像中存在一部分的鲜红区域。;颜色矩是一种简单有效的颜色特征表示方法。颜色矩的优点在于，不需要颜色空间量化，特征向量维数低。但在实验中发现颜色矩的检索效率比较低，因而在实际应用中往往用于过滤图像以缩小检索范围。 由于图像的颜色信息主要分布于低阶矩中，所以常用一阶矩、二阶矩和三阶矩表达图像的颜色分布。其中，一阶矩描述平均颜色，反映了图像整体的明暗程度；二阶矩描述颜色标准差，反映了图像颜色的分布范围；三阶矩描述颜色的偏移性，反映了图像颜色分布的对称性。一阶矩、二阶矩、三阶矩的计算公式分别如下式所示。 计算公式中的N为像素数量， 表示第i个颜色分量的第j个像素值。;从颜色矩的计算公式可以看出，颜色矩也受图像的像素数量影响。 但是在实际的应用中，摄像设备的不同会导致获取的图像的尺寸不同。 因此，在特定的情况下，对比两图的颜色矩时，可以通过在原图中切割出相同大小的图像，从而消除图片尺寸不统一的影响，如下图所示。;自定义颜色矩计算函数，并绘制颜色矩的直方图，得到两片叶子的各阶颜色矩如图所示。 在该图中，柱形表示各阶颜色矩的数值大小，由此可知，两片叶子的一阶颜色矩存在较大的不同，主要体现在绿色分量和红色分量中，第二片叶子的绿、红分量接近第一片绿、红分量的两倍，因此在第二片叶子的色彩在总体上更加艳丽。 在二阶矩和三阶矩中，第一片叶子均高于第二片叶子，表明在总体上第二片叶子的颜色分布更均匀。;了解图像的颜色特征;首先对数据进行量化，以10作为一个区间的宽度，将10~19内的数据划分为区间1，将20~29内的数据划分为区间2，并以此类推直到全部区间划分完毕。 量化的结果如下图所示。 ;连通区域的计算使用的是8邻域，每个连通区域使用不同字母表示。 划分连通区域结果如下图所示。 ;结合量化和划分连通区域的结果统计连通区域中的像素数量如下表所示。 设定一个阈值τ，作为判断连通区域中的像素是聚合还是非聚合的判断依据。如果连通区域中的像素数量大于阈值τ ，那么该区域中的像素是聚合的，否则像素是非聚合的。 ;设阈值为4，在颜色区间为1的情况下，像素数量大于4的为12，小于4的为3，因此颜色区间为1时α=12、β=3。 如果同一区间内有多个符合条件的像素数量，那么需要将像素数量相加。例如，在颜色区间为2时，像素数量大于4的有15和5，则α=15+5=20。计算得到3个颜色区间的聚合性如下表所示。;根据聚合性的统计结果，可以得到待计算数据的颜色聚合向量为