【正文】 for n=1:10 subplot(3,4,n)。D:\graduate design\test_pictures\39。 EulerDistance = sqrt( sum( diff(:) ) )。 end if v(i,j)=1amp。amp。h(i,j)295 H(i,j) = 7。 end if h(i,j)=270amp。amp。 S = s。)。amp。s(i,j) S(i,j) = 2。 end end end for i = 1:M for j = 1:N if s(i,j)=amp。amp。h(i,j)40 H(i,j) = 2。； end； ifh(i,j)=190amp。amp。 [h,s,v] = rgb2hsv(Image)。 源代碼： %******************************************************************* ******* % 基于顏色特征的圖像檢索 %******************************************************************* ******* close all。 XX 老師淵博的知識，認(rèn)真負(fù)責(zé)的工作作風(fēng)，平易近人的態(tài)度讓我獲益匪淺。不同的圖像有不同的顏色集，對于包含不同顏色集的兩幅圖像之間的相似性判定仍 需進(jìn)一步研究。 在對基于顏色特征的圖像檢索方法的研究基礎(chǔ)上，作者用 matlab 語言編寫了一個(gè)簡單的圖像檢索演示程序，實(shí)驗(yàn)證明，該程序?qū)崿F(xiàn)了圖像檢索 的基本功能，但基于顏色特征的圖像檢索僅是從圖像的低層特性出發(fā)，這些方法具有計(jì)算簡單、對平移和旋轉(zhuǎn)不敏感等優(yōu)點(diǎn)。 for n=1:10 subplot(3,4,n)。 end T=Hist。amp。s(i,j) S(i,j) = 1。 end if h(i,j)=315amp。amp。h(i,j)20 H(i,j) = 1。 [h,s,v] = rgb2hsv(Image)。本文在處理顏色特征時(shí)采用了 HSV 顏色空間 , 該 模型 較好符合人眼的感知特征。若取 z=xy,則有 ?z ii 取定了距離公式后，我們需要確定 A 的取值， ?0,?1?zi?1,d2?zTAz， 且要保證此矩陣 A 能夠使 d2?0,我們用 dij 表示顏色 i與顏色 j 在 RGB 顏色空間的距離。 直方圖的交集的方法 直方圖的交集算法，根據(jù)顏色索引檢索出查詢圖像的顏色直方圖，將其與圖像庫中的每一圖像的直方圖取交集，根據(jù)交集的值來選出最佳匹配圖像。這樣，最后得到的累加直方圖特征向量為： L?l[0],l[1],...........,l[k],...........,l[35] 4 圖像特征的相似性匹配； 相似度匹配方法 [11]；圖像檢索的效果很大程度上取決于匹配算法的優(yōu)劣；設(shè) D 為距離函數(shù)， x、 y、 z為三個(gè)特征向量，則所有；(1)D(x， y)=D(y， x)=0(自相似性 )； (2)D(x， y)?D(x， x)?0(最小性 )； (3)D(x， y)=D(y，x)(對稱性 )； (4)D(x， y)+D(y， z)?D(x， z)(；圖像的相似度度量， 4 圖像特征的相似性匹配 相似度匹配方法 [11] 圖像檢索的效果很 大程度上取決于匹配算法的優(yōu)劣。 疊加性：如果一幅圖像由兩個(gè)不連接的區(qū)域組成，并且每個(gè)區(qū)域的直方圖己知，則整幅圖像的直方圖是該兩個(gè)區(qū)域的直方圖之和。 顏色直方圖可以基于不同的顏色空間和坐標(biāo)系，最常用的是 RGB 顏色空間，因?yàn)榇蟛糠值臄?shù)字圖像都是用 RGB顏色空間表達(dá)的。如圖 4 所示。 CMY顏色模型對應(yīng)的直角坐標(biāo)系的子空間與 RGB顏色模型所對應(yīng)的子空間幾乎完全相同。例如同樣是紅色，也會(huì)因顏色濃度不同而分為深紅色、粉紅色和淺紅色。圖像如用于電視、幻燈片、網(wǎng)絡(luò)、多媒體，一般使用 RGB模式。在顏色重疊的位置，產(chǎn)生青色、洋紅和黃色。 對于顏色空 間的構(gòu)造需要滿足三個(gè)要求： 完備性 (Completeness)，顏色空間應(yīng)能描述人能感知的所有顏色； 一致性 (Uniformity )，顏色在空間度量的差異和感知的差異相吻合； 唯一性(Uniqueness)，顏色空間中顏色在感知上彼此不同。該系統(tǒng)實(shí)現(xiàn)了基于文本、顏色、紋理特征的圖像檢索。圖像在裝入時(shí)按形狀、紋理和人臉的面部外形三種特征自動(dòng)分類，同時(shí)還能結(jié)合文本關(guān)鍵字進(jìn)行查詢，圖像根據(jù)類別通過顯著語義特征壓縮編碼。這些特點(diǎn)使得 HSV 模型非常適合基于人視覺系統(tǒng)對彩色感知特性的圖像處理。 運(yùn)用顏色直方圖進(jìn)行檢索有如下三種方式： （ 1）指明顏色組成 該法需要用戶對圖像中的顏色非常敏感，而且使用起來也不方便，檢索的查準(zhǔn)率和查全率并不高，因此暫時(shí)不做進(jìn)一步開發(fā)。它為現(xiàn)有的醫(yī)學(xué)系統(tǒng)帶來了一場革命，其中最有前景的應(yīng)用是遠(yuǎn)程醫(yī)療 (Telemedicine)、遠(yuǎn)程外科手術(shù) (Telesurgery)及遠(yuǎn)程診斷(Telediagnoses)等。典型的例子有 :面部數(shù)據(jù)庫、指紋數(shù)據(jù)庫、犯罪紀(jì)錄數(shù)據(jù)庫以及建筑物保安數(shù)據(jù)庫等。用戶的交互性增強(qiáng)了表達(dá)查詢、評價(jià)查詢結(jié)果和基于評價(jià)結(jié)果進(jìn)行進(jìn)一步檢索的能力。 基于內(nèi)容的圖像檢索的特點(diǎn)和主要應(yīng)用 基于內(nèi)容的圖像檢索技術(shù)有以下特點(diǎn) [3]： 一是它突破了傳統(tǒng)的基于表達(dá)式檢索的局限，從媒體內(nèi)容中提取信息線索。目前圖像檢索系統(tǒng)技術(shù)實(shí)現(xiàn)的基礎(chǔ)是對底層特征信息的計(jì)算和比較，也即是 “視覺相似 ”。文章 著重探討了圖像的顏色空間、圖像特征提取及圖像相似性度量等內(nèi)容，并利用 matlab 技術(shù)實(shí)現(xiàn)了一個(gè)簡單圖像檢索的程序。顏色特征是圖像的一大主要特征，由于 顏色特征具有計(jì)算量小，位移不變性、旋轉(zhuǎn)不變性 和尺寸不變性等優(yōu)點(diǎn)， 再加上 顏色特征是最顯著、最可靠、最穩(wěn)定的視覺特征，是人識別圖像的主要感知特征，基于顏色特征的檢索方法被廣泛的用于基于內(nèi)容的圖像檢索中。為了克服文本標(biāo)注檢索的弊端， 90 年代研究者提出了基于內(nèi)容的圖像檢索，其方法是 :根據(jù)圖像的顏色特征、紋理特征、形狀特征以及空間關(guān)系等作為索引，計(jì)算查詢圖像和目標(biāo)圖像之間的相似距離，然后按相似度匹配進(jìn)行檢索，這種技術(shù)很大程度地利用了人們的視覺客觀特性， 避免不同人對圖像主觀理解的不同而達(dá)不到理想的搜索效果。相似度較低的圖像將作為檢索結(jié)果返回給用戶。 (2)家庭用圖像檢索：數(shù)碼科技使得普通家庭也會(huì)產(chǎn)生成千上萬的圖像，家庭圖像檢索系統(tǒng)將是家庭 PC 的一個(gè)基本工具。 (7)教育與培訓(xùn)：在教育與培訓(xùn)領(lǐng)域，例如遠(yuǎn)程教學(xué)、交互式培訓(xùn)、自學(xué)教育及雇員再教育等有著廣闊的應(yīng)用前景。 對于目標(biāo)圖像和檢索圖像進(jìn)行顏色空間轉(zhuǎn)換、亮度圖像的邊緣提取和二值分割、提取目標(biāo)區(qū)域的顏色特征。 在顏色空間選取方面，最常用的顏色空間是 RGB 顏色空間。本文重點(diǎn)討論歐氏距離法，并將其作為系統(tǒng)編程實(shí)現(xiàn)的主要方法。 (4)美國哥倫比亞大學(xué)的 VisualSEEK 系統(tǒng) VISualSEEK 圖像查詢系統(tǒng)是一個(gè)可視化的圖像特征搜索引擎，實(shí)現(xiàn)了互聯(lián)網(wǎng)上的 基于內(nèi)容 的圖像 /視頻檢索系統(tǒng)，它由四部分組成 :圖形用戶界面、服務(wù)器應(yīng)用、圖像檢索服務(wù)器、圖像歸檔。組織和表示顏色的方法主要有兩種：一種是顏色模型，一種是編目系統(tǒng)。將這三種顏色成分分別人為地分成 0 到 255 共 256 個(gè)等級， 0 表示沒有刺激量，255 表示刺激量達(dá)到最大值。加色用于光照、視頻和顯示器。 圖 2 RGB 顏色模型 HSV 顏色空間 HSV 空間是一種符合人類視覺感知特征的顏色空間，特別適合于人類肉眼對顏色的識別，因此被廣泛應(yīng)用于計(jì)算機(jī)視覺領(lǐng)域。 HSV顏色模型用 Munsell三維空間坐標(biāo)系統(tǒng)表示，其示意圖如圖 3 所示。 CMY 模 型以打印在紙張上油墨的光線吸收特性為基礎(chǔ)，當(dāng)白光照射到半透明油墨上時(shí)，部分光譜被吸收，部分被反射回眼睛。所謂視覺一致性，是指對兩種不同的顏色，它們在顏色空間中坐標(biāo)的距離與它們在觀察者的顏色感知空間中的距離是大致相同的。而彩色圖像用一個(gè) RGB顏色直方圖表示時(shí)，其統(tǒng)計(jì)的是不同顏色出現(xiàn)的頻數(shù)，以色彩作為橫坐標(biāo)，縱坐標(biāo)為色彩出現(xiàn)的頻數(shù)。再如圖像的灰度動(dòng)態(tài)范圍太小會(huì)使許多細(xì)節(jié)分辨不清楚，而灰度級分布均勻，則會(huì)給人以清晰、明快的感覺。圖像特征提取大多數(shù)可以表示為向量形式，因此常用的圖像比較方法都是基 于向量空間 模型 ，即將圖像特征 看作向量空間中的兩個(gè)點(diǎn)，通過比較兩個(gè)點(diǎn)之間 的距離來衡量其相似度。 直方圖交集方法能對兩幅圖像進(jìn)行詳細(xì)的比較，然而對于許多合成的圖像，如商標(biāo)等，它們有大量的一致顏色，三維直方圖只有幾個(gè)域的值很高，而其它許多域的顏色信息變化有限。 程序檢索邏輯 我們可以從圖 6 中抽象出三個(gè)層次或者功能模塊： (1)顏色空間內(nèi)特征提取 對圖像數(shù)據(jù)進(jìn)行特征提取，可以選擇任何一種能夠達(dá) 到檢索要求的顏色空間和特征表達(dá)方式。但是 , 特征抽取和特征匹配的計(jì)算量以及特征的存儲(chǔ)都將隨實(shí)際顏色數(shù)目增多而非線性膨脹 , 因此 , 使用真彩色在實(shí)際檢索過程中是不現(xiàn)實(shí)的。 V = v。h(i,j)40 H(i,j) = 2。amp。 end end end for i = 1:M for j = 1:N if s(i,j)=amp。s(i,j) S(i,j) = 2。amp。 w(k)=EulerDistance。,A(IX(n)).name))。因此，如何有效地綜合顏色、紋理、形狀、空間位置關(guān)系以及語義特征來對圖像進(jìn)行查詢勢必會(huì)成為一個(gè)熱門研究方向。在圖像處理技術(shù)方面，更加準(zhǔn)確有效地描述圖像內(nèi)容的數(shù)據(jù)模型是今后長期需要解決的重要方面。 感謝 XXXXXXXXXXX 計(jì)算機(jī)系的全體領(lǐng)導(dǎo)和老師，你們深厚的學(xué)術(shù)功 底和誨人不倦的高尚師德將讓我受用一生。 [FileName,PathName] = uigetfile(39。 V = v。amp。 end if h(i,j)=40amp。h(i,j)75 H(i,j) = 3。amp。 end if s(i,j)=amp。v(i,j)0 V(i,j) = 0。 Qv = 3 for i = 1:M for j = 1:N L(i,j) = H(i,j)*9+S(i,j)*3+V(i,j)。,A(k).name)。 %將 hsv空間非等間隔量化： % h量化成 8 級； % s 量化成 3 級； % v量化成 3 級； for i = 1:M 20 if h(i,j)=20||h(i,j)315 H(i,j) = 0。amp。 end if h(i,j)=295amp。s(i,j)0 S(i,j) = 0。amp。 end end end %將三個(gè)顏色分量合成為一維特征向量： L = H*Qs*Qv+S*Qv+v； Qs,Qv分別是 S 和 V 的量化級數(shù) , L取值范圍 [0,71] %取 Qs = 3。 A=dir(39。 end 22