【正文】 imshow(I)。D:\graduate design\test_pictures\39。for n=1:10subplot(3,4,n)。D:\graduate design\test_pictures\*.jpg39。end%按顏色的相似性大小顯示查詢結(jié)果圖片[B,IX]=sort(w,2)。EulerDistance = sqrt( sum( diff(:) ) )。endT=Hist。 Qv = 3for i = 1:Mfor j = 1:NL(i,j) = H(i,j)*9+S(i,j)*3+V(i,j)。v(i,j)V(i,j) = 2。endif v(i,j)=1amp。amp。v(i,j)0V(i,j) = 0。endendendfor i = 1:Mfor j = 1:Nif v(i,j)=amp。amp。s(i,j)S(i,j) = 1。endif s(i,j)=amp。amp。h(i,j)295H(i,j) = 7。endif h(i,j)=315amp。amp。h(i,j)190H(i,j) = 5。endif h(i,j)=270amp。amp。h(i,j)75H(i,j) = 3。endif h(i,j)=155amp。amp。h(i,j)20H(i,j) = 1。endif h(i,j)=40amp。h = h*360。 S = s。% 計(jì)算每一幅圖像的顏色直方圖[h,s,v] = rgb2hsv(Image)。Image=imread(B)。D:\graduate design\test_pictures\39。)。% 循環(huán)讀入圖像A=dir(39。endend%計(jì)算L的直方圖for i = 0:71Hist(i+1) = size(find(L==i),1)。endendend%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(jí)數(shù), L取值范圍[0,71]%取Qs = 3。amp。v(i,j)V(i,j) = 1。19if v(i,j)=amp。amp。s(i,j)S(i,j) = 2。endif s(i,j)=1amp。amp。s(i,j)0S(i,j) = 0。endendendfor i = 1:Mfor j = 1:Nif s(i,j)=amp。amp。h(i,j)270H(i,j) = 6。endif h(i,j)=295amp。amp。h(i,j)155H(i,j) = 4。endif h(i,j)=190amp。amp。h(i,j)40H(i,j) = 2。endif h(i,j)=75amp。amp。amif h(i,j)=20||h(i,j)315H(i,j) = 0。；end；ifh(i,j)=190amp。amp。；H(i,j)=2。；end；ifh(i,j)=75amp。amp。；H(i,j)=0。h = h*360。 S = s。[h,s,v] = rgb2hsv(Image)。%彈出對(duì)話框得到打開(kāi)的路徑Image=imread(strcat(PathName,FileName))。*.*39。clc。源代碼：%**************************************************************************% 基于顏色特征的圖像檢索%**************************************************************************close all。參考文獻(xiàn)[1][D].浙江:浙江大學(xué),2007:136.[2]M Flickner,HSawhney, by image and video content:the QBIC system[J].IEEE Computer,2007,28(9):2332.[3][D].江蘇:河海大學(xué),2009:310.[4][J].,19(3):259.[5]徐杰,[J].,8(9):978.[6][D].山東:山東大學(xué),2007:211.[7][D].北京:北京郵電大學(xué),2006:45.[8][D].吉林:吉林大學(xué),2006:10.[9][D].武漢:華中師范大學(xué),2007:12.[10][M].北京:電子工業(yè)出版社,2009:540.[11]周明全,耿國(guó)華,[M].北京：清華大學(xué)出版社,2007:435. 英文摘要Colorbased Image Retrieval TechnologyComputer science and technology XXXXXXTutor XXXXXXXAbstract: This paper describes the image retrieval algorithm based on color features and gives procedures to achieve. First introduced the contentbased image retrieval technology, the history of the development and contentbased image retrieval technology characteristics and the main application explored some of the key technology used in the field, and on this basis. The article focuses on the image39。感謝計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)XXXX級(jí)X班全班同學(xué)給予我的關(guān)心、友誼和幫助，是你們給了我美好而難忘的學(xué)習(xí)生活。還要感謝我的同學(xué)XX，他在我的論文寫(xiě)作過(guò)程中提出了很多建設(shè)性的意見(jiàn)，并給了我很多啟發(fā)。XX老師淵博的知識(shí)，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?；趦?nèi)容對(duì)圖像信息的查詢、檢索在國(guó)內(nèi)外仍處于研究探索階段，隨著應(yīng)用的需求其研究將會(huì)不斷深入，滿足不同應(yīng)用的實(shí)用系統(tǒng)也將陸續(xù)出現(xiàn)，將其應(yīng)用于各個(gè)領(lǐng)域必將帶來(lái)極大的益處。然而目前，通過(guò)建立合理的用戶查詢界面，利用相關(guān)性反饋，是實(shí)現(xiàn)趨向基于語(yǔ)義查詢的切實(shí)可行的有效方法。CBIR系統(tǒng)在技術(shù)上可分為圖像處理技術(shù)和數(shù)據(jù)庫(kù)技術(shù)兩大方面。不同的圖像有不同的顏色集，對(duì)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。（2） 從顏色特征的表示來(lái)看，各種形式的顏色直方圖是最常采用的表示方法，一般指定相同的顏色集，采用幾十到上百維的高維直方圖。 展望人們對(duì)顏色索引和檢索方法的研究己經(jīng)相當(dāng)多，它們都分別從不同的方面對(duì)基于顏色的圖像檢索問(wèn)題進(jìn)行了研究。另外是顏色量化誤差的影響較大，以致差別細(xì)微的顏色可能會(huì)得出無(wú)差別或差別很大的兩種決然不同的顏色直方圖。在對(duì)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(yǔ)言編寫(xiě)了一個(gè)簡(jiǎn)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(jiǎn)單、對(duì)平移和旋轉(zhuǎn)不敏感等優(yōu)點(diǎn)。圖96 全文總結(jié)與展望 全文總結(jié)隨著多媒體技術(shù)的發(fā)展，包括圖像、音頻、視頻等信息的多媒體數(shù)據(jù)大量涌現(xiàn)，如何從大量的信息中快速、有效地檢索到所需的內(nèi)容，已經(jīng)成為多媒體技術(shù)研究中的熱點(diǎn)問(wèn)題。 imshow(I)。D:\graduatedesign\test_pictures\39。for n=1:10subplot(3,4,n)。D:\graduate design\test_pictures\*.jpg39。end（4）按顏色的相似性大小顯示查詢結(jié)果圖片，代碼實(shí)現(xiàn)如下：[B,IX]=sort(w,2)。EulerDistance = sqrt( sum( diff(:) ) )。endT=Hist。 Qv = 3，并計(jì)算L的直方圖，代碼實(shí)現(xiàn)如下：for i = 1:Mfor j = 1:NL(i,j) = H(i,j)*9+S(i,j)*3+V(i,j)。v(i,j)V(i,j) = 2。endif v(i,j)=1amp。amp。v(i,j)0V(i,j) = 0。endendendfor i = 1:Mfor j = 1:Nif v(i,j)=amp。amp。s(i,j)S(i,j) = 1。endif s(i,j)=amp。amp。h(i,j)295H(i,j) = 7。endif h(i,j)=315amp。amp。h(i,j)190H(i,j) = 5。endif h(i,j)=270amp。amp。h(i,j)75H(i,j) = 3。endif h(i,j)=155amp。amp。h(i,j)20H(i,j) = 1。endif h(i,j)=40amp。h = h*360。 S = s。[h,s,v] = rgb2hsv(Image)。首先將圖像中每一像素的r ,g,b值轉(zhuǎn)換為h,s,v值(h∈[0,360],s∈[0,1],v∈[0,1]),然后按照?qǐng)D7的顏色量化和編碼方法計(jì)算:圖7按照上面的方法將顏色空間共劃分為 77種顏色, 這 77種代表色的量化方法有效地壓縮了顏色特征并且較好的符合人眼對(duì)顏色的感知。實(shí)驗(yàn)表明, 增加顏色直方圖的維數(shù)可以有效提高檢索的精度, 但當(dāng)維數(shù)增加到一定程度時(shí), 檢索的精度提高很小而且可能下降. 因此在保持一定精度的前提下, 通過(guò)減少顏色的維數(shù)來(lái)達(dá)到節(jié)省特征存儲(chǔ)空間的目的。在理論上, 抽取圖像的顏色特征時(shí)使用真彩色將產(chǎn)生最小的誤差。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。 算法具體實(shí)現(xiàn)（1）顏色空間的選擇及顏色的矢量量化通常, 人們采用歐氏距離表示兩種顏色之間的差異, 最常用的RGB顏色空間存在一個(gè)嚴(yán)重問(wèn)題是其中所計(jì)算出來(lái)的兩種