没有合适的资源?快使用搜索试试~ 我知道了~
图像颜色特征提取原理.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 198 浏览量
2022-11-12
13:04:44
上传
评论
收藏 965KB PDF 举报
温馨提示
试读
13页
。。。
资源推荐
资源详情
资源评论
-
一、颜色特征
1 颜色空间
1.1 RGB 颜色空间
是一种根据人眼对不同波长的红、绿、蓝光做出锥状体细胞的敏感度描述的基础彩色模式,R、
G、B 分别为图像红、绿、蓝的亮度值,大小限定在 0~1 或者在 0~255。
1.2 HIS 颜色空间
是指颜色的色调、亮度和饱和度,H 表示色调,描述颜色的属性,如黄、红、绿,用角度 0~360
度来表示 ;S 是饱和度 ,即纯色程度的量度 ,反映彩色的浓淡 ,如深红、浅红 ,大小限定在 0~
1;I 是亮度,反映可见光对人眼刺激的程度,它表征彩色各波长的总能量,大小限定在 0~1。
1.3 HSV 颜色模型
HSV 颜色模型依据人类对于色泽、 明暗和色调的直观感觉来定义颜色, 其中 H (Hue)代表色
度, S (Saturat i on)代表色饱和度,V (V alue)代表亮度, 该颜色系统比 RGB 系统更接近于人们的
经验和对彩色的感知, 因而被广泛应用于计算机视 觉领域。
已知 RGB 颜色模型, 令 M A X = max {R , G, B },M IN =m in{R , G,B }, 分别为 RGB 颜色模型中
R、 G、 B 三分量的最大和最小值, RGB 颜色模型到 HSV 颜色模型的转换公式为:
S =(M A X - M IN)/M A X
H = 60*(G- B)/(M A X - M IN) R = M A X
120+ 60*(B – R)/(M A X - M IN) G= M A X
240+ 60*(R – G)/(M A X - M IN) B = M A X
V = M A X
2 颜色特征提取算法
2.1 一般直方图法
颜色直方图是最基本的颜色特征表示方法,它反映的是图像中颜色的组成分布,即出现了哪些
可修编
-
颜色以及各种颜色出现的概率。其函数表达式如下:
H(k)= n
k
/N (k=0,1,…,L-1) (1)
其中,k 代表图像的特征取值,L 是特征可取值的个数,
n
k
是图像中具有特征值为 k 的象素的个
数,N 是图像象素的总数。由上式可见,颜色直方图所描述的是不同色彩在整幅图像中所占的
比例,无法描述图像中的对象或物体,但是由于直方图相对于图像以观察轴为轴心的旋转以及
幅度不大的平移和缩放等几何变换是不敏感的,而且对于图像质量的变化也不甚敏感,所以它
特别适合描述那些难以进行自动分割的图像和不需要考虑物体空间位置的图像。
由于计算机本身固有的量化缺陷,这种直方图法忽略了颜色的相似性,人们对这种算法进行改
进,产生了全局累加直方图法和局部累加直方图法。
2.2 全局累加直方图法
全局累加直方图是以颜色值作为横坐标,纵坐标为颜色累加出现的频数,因此图像的累加直方
空间 H 定义为:
到的颜色数。在全局累加直方图中,相邻颜色在频数上是相关的。相比一般直方图,它的存储
量和计算量有很小的增加,但是它消除了一般直方图中常见的零值以及一般直方图量化过细
过粗检索效果都会下降的缺陷。
2.3 局部累加直方图法
把色度沿分布轴分成若干个局部区间的方法称为局部累加直方图法。它的基本原理是:色度
轴上各种颜色的分布是连续过渡的,各颜色区之间不存在截然不同的界限。先采用 60°为区间
的长度,将 H 轴分成 6 个不重叠的局部区间[60k,60(k+1)],k=0,1,„,5,计算出每个局部区间的累
加直方图,再改变区间划分为[30+60k,(30+60(k+1))mod 360],k=0,1,„,5,并计算出这时每个局部
区间的累加直方图,最后将这两次计算的累加直方图逐项相加取平均,作为最终的特征直方图
用于检索。
2.4 颜色参量的统计特征法
由于直方图法在颜色的表达中没有考虑到人眼的视觉感受,忽略颜色参量含义及其对图像像
素间关系,为弥补直方图法的不足,提取颜色特征,对颜色参量进行分析、统计、处理,在应用中
可修编
-
表现出好的效果。RGB 和 HIS 颜色空间在颜色参量的统计特征中具有重要的作用。在实际
的图像处理中,RGB 颜色系统的 r,g,b 值计算公式如下:
r=R/(R+G+B),g=G /(R+G+B),b=B/(R+G+B) (3)
从上面的公式 (3)可以推断出 RGB 颜色系统的 r,g,b 只是比值与光照强度变化无关。
由 RGB 向 HIS 空间进行转换,可以得到 HIS 值,转换方法如下:
Max=max(R,G,B),Min=min(R,G,B) (4)
I=0.229R+0.587G+0.114B (5)
其中,R,G,B,S,I ∈[0,1],H ∈[0,360]。
从公式(7)可以看出,HIS 颜色空间的优势在于其本身的颜色参量间相关性差,尤其参量 I 和参
量 H、S 之间,具有对外界环境的惰性特征,我们可以只对 S 和 H 进行分析来消除光照对采样
图像的影响。另一方面,HSI 颜色空间与人眼的视觉特性比较接近颜色参量较好的表达了人
眼视觉的特点。
2.5 颜色的一阶矩 ( mean ) μ
i
和二阶矩 (variance)σ
i
2.6 基于小波的分块图像颜色特征提取
可修编
剩余12页未读,继续阅读
资源评论
G11176593
- 粉丝: 6676
- 资源: 3万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功