【正文】 彩色圖像，將圖像讀取進(jìn)來用C++[10]實(shí)現(xiàn)的語句如下： str = filedialogGetPathName()。 公式： ? ????? Mi baxxd12 （ ） 其中 d 是歐式距離， ax ， bx 是兩個(gè)灰度直方圖中點(diǎn)。 Opencv 中自帶有灰度直方圖比華僑大學(xué)畢業(yè)設(shè)計(jì)（論文） 20 較函數(shù)，但是由于先前將庫中直方圖數(shù)據(jù)存在了 TXT 文本中，所以采取直接計(jì)算兩張圖像歐式距離的辦法比較簡(jiǎn)單。為以后檢索建立索引，提高檢索速度。 6. 圖像預(yù)處理 圖像土處理是將圖像庫中的圖像依次提取 LBP算子，生成 LBP灰度直方圖。函數(shù)計(jì)算直方圖。 4. 生成 LBP灰度直方圖 調(diào)用 Opencv自帶的 cvCalcHist(amp。 調(diào)用 cvCreateImage函數(shù) 創(chuàng)建頭并分配數(shù)據(jù) 。讀到一個(gè)點(diǎn)以及它周圍的八個(gè)點(diǎn)的灰度值以后，進(jìn)行 LBP編碼，獲得改點(diǎn)的 LBP算子 3. 生成 LBP圖 調(diào)用 cvSetReal2D函數(shù)將指定函數(shù)返回單通道數(shù)組 。 cvGetReal2D(Image, row, col)。 cvCvtColor 是 Opencv 中自帶的顏色空間轉(zhuǎn)換函數(shù) ， 可以實(shí)現(xiàn) rgb 顏色向HSV,HSI 等顏色空間的轉(zhuǎn)換，也可以轉(zhuǎn)換為灰度圖像 。 系統(tǒng)流程圖 整個(gè)系統(tǒng)過程由讀取圖像， 灰度化，計(jì)算 LBP 算子，生成 LBP 圖 ， 生成 LBP灰度直方圖， 記錄參數(shù)值 ，圖像檢索 ， 圖像預(yù)處理 ，結(jié)果反饋 等幾部分組成，系統(tǒng)流程圖如圖 所示： 圖 華僑大學(xué)畢業(yè)設(shè)計(jì)（論文） 19 主要流程解釋 1. 灰度化 由于輸入的圖片大多為彩色圖片，如果直接輸 入的是菜色圖片則不能夠獲得 LBP算子。 OpenCV 是一個(gè)基于 BSD 許可證授權(quán)（開源）發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺庫，可以運(yùn)行在 Linux、 Windows 和Mac OS 操作系統(tǒng)上。 OpenCV的全稱是： Open Source Computer Vision Library 。這種想法是錯(cuò)誤的。 此外 MFC 的部分類為 MFC/ATL 通用，可以在 Win32 應(yīng)用程序中單獨(dú)包含并使用這些類。 華僑大學(xué)畢業(yè)設(shè)計(jì)（論文） 18 MFC 應(yīng)用程序的總體結(jié)構(gòu)通常由開發(fā)人員從 MFC 類派生的幾個(gè)類和一個(gè)CWinApp 類對(duì)象（應(yīng)用程序?qū)ο螅┙M成。該類庫提供一組通用的可重用的類庫供開發(fā)人員使用。 MFC,微軟基礎(chǔ)類 (Microsoft Foundation Classes)，同 VCL 類似，是一種應(yīng)用程序框架，隨微軟 Visual C++ 開發(fā)工具發(fā)布。其編譯及創(chuàng)建預(yù)編譯頭文件 ()、最小重建功能及累加連結(jié) (link)著稱。比如，它允許用戶進(jìn)行遠(yuǎn)程調(diào)試，單步執(zhí)行等。所以實(shí)際中，更多的是以 Visual C++ 為平臺(tái)。自 1993 年 Microsoft 公司推出 Visual C++ 后，隨著其新版本的不斷問世， Visual C++已成為專業(yè)程序員進(jìn)行軟件開發(fā)的首選工具。 Microsoft 的主力軟件 產(chǎn)品。 Visual C++ 由許多組件組成，包括編輯器、調(diào)試器以及程序向?qū)?AppWizard、類向?qū)?Class Wizard 等開發(fā)工具。所以實(shí)際中 ，更多的是以 Visual C++ 為平臺(tái)。自 1993 年 Microsoft 公司推出 Visual C++ 后，隨著其新版本的不斷問世， Visual C++已成為專業(yè)程序員進(jìn)行軟件開發(fā)的首選工具。 華僑大學(xué)畢業(yè)設(shè)計(jì)（論文） 17 3 基于 LBP 紋理的圖像檢索系統(tǒng) 開發(fā)平臺(tái)介紹 VC++ Visual C++ ，簡(jiǎn) 稱 VC 或者 ，是微軟推出的一款 C++編譯器，將 “ 高級(jí)語言 ” 翻譯為 “ 機(jī)器語言（低級(jí)語言） ” 的程序。 所以在這里我們就提取 原始 LBP個(gè)性 圖片的灰度直方圖。不過，這個(gè)所謂的“個(gè)性”并不能直接用于分辨分析。 本章小結(jié) 顯而易見的是，上述提取的 LBP算子在每個(gè)像素點(diǎn)都能夠獲得一個(gè) LBP“編碼”，那么，對(duì)一幅圖像提取其原始的 LBP算子爾后，獲得的原始 LBP個(gè)性依舊是“一幅圖片”。為保證灰度尺度與旋轉(zhuǎn)不變性，調(diào)整式（ ）為 ? ? ? ?? ???????????? ??? 11,10, kL B PUPkL B PUggsL B PRPRPPi cir iu kRP () 通常， 2?k 。 因此 這些恒定二值模式可以看作紋理的微結(jié)構(gòu) 。圖像旋轉(zhuǎn)后由于插值的原因會(huì)造成像素 灰度值的改變，進(jìn)而導(dǎo)致二值編碼發(fā)生變位。所以我們把 有部分模式出現(xiàn)的幾率非常高 的模式獨(dú)立出來 ，它們代表了紋理的一些基本屬性，或基本特征。實(shí)際上，這些模式應(yīng)該視為相同的模式，為消除圖像旋轉(zhuǎn)帶來的影響，實(shí)現(xiàn)旋轉(zhuǎn)不變性，調(diào)整式為： ? ?? ?1,1,0,m i n , ??? PkkL B PR orL B P RPri RP ? () 0 0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 1 1 1 0 0 0 0 1 1 1 0 0 0 0 1 1 10 0 0 0 1 1 1 1 ( 1 5 )0 0 0 0 1 1 1 1 ( 1 5 ) 圖 當(dāng) P=1， R=8 是 原來的 256 個(gè)二值模式 被壓縮 為 36 個(gè)具有旋轉(zhuǎn)不變性的二值模式。 為計(jì)算和表達(dá)方便，將局域紋理模式的二值編 碼轉(zhuǎn)化為一個(gè)實(shí)數(shù)編碼： ? ????? 10, ,2Pi iciRP ggsL B P () 其中 P =8， R =1。具體過程如圖 2． 2 所示，其中， pattern=10001111； LBP=1+16+32+64+128=241。 基本 LBP 首先定義局部紋理模式 T 為圖像局部區(qū)域內(nèi) ? ?1?PP 個(gè)像素點(diǎn)的灰度值的聯(lián)合分布： ? ?110 , ?? Pc ggggtT ? （ ） 其中， cg 是局部區(qū)域的中心像素的灰度值， ? ?110 , ?Pggg ? 則代表中心周圍的像素點(diǎn)灰度值，這些鄰近像素距離中心像素為 R ，等距離成環(huán)形對(duì)稱分布，如圖 所示。對(duì)于 LBP 本身，是一種紋理描述方法，在紋理分類，特征表示，物體檢測(cè)等領(lǐng)域都有應(yīng)用。一般如果 條件允許，二者會(huì)進(jìn)行結(jié)合，包括定義結(jié)合特征（比如 LGBP,LGXP 等），特征級(jí)融合和決策級(jí)融合。就特征提取方式而言，目前最成熟最常用的是 gabor 特征。 華僑大學(xué)畢業(yè)設(shè)計(jì)（論文） 13 局域二值模式 局部二值模式 (Local Binary Pattern， LBP) [1315]是由 T． ojala 等在 1996 年提出的，由于理論、計(jì)算簡(jiǎn)單，因此受至 UJ許多研究者的青睞，被廣泛應(yīng)用于圖像處理領(lǐng)域． LBP 可以刻畫鄰域內(nèi)像素點(diǎn)的灰度相對(duì)于中心點(diǎn)的變化情況，注重像素灰度的變化，符合人類視覺對(duì)圖像紋理的感知特點(diǎn)，是一種有效的紋理圖像描述子 ?？傊?,上述諸定義都是基于特定應(yīng)用背景的 ,其中的共識(shí)是 : ①紋理不同于灰度和顏色等圖像特征 ,它通過像素及其周圍空間鄰域的灰度分布來表現(xiàn) ,即局部紋理信息 ； ②局部紋理信息不同程度的重復(fù)性 ,即全局紋理信息。定義 3通過紋理基元的局部模式的數(shù)目和類型以及它們的空間關(guān)系來描述紋理。 定義 1從物質(zhì)的組成及人類對(duì)物體的視覺感知的角度審視紋理。 定義 5[12] 紋理是一種反 映圖像中同質(zhì)現(xiàn)象的視覺特征 ,體現(xiàn)了物體表面共有的內(nèi)在屬性 ,包含了物體表面結(jié)構(gòu)組織排列的重要信息以及它們與周圍環(huán)境的聯(lián)系。 定義 3 紋理就是指在圖像中反復(fù)出現(xiàn)的局部模式和它們的排列規(guī)則。下面是幾個(gè)具有代表性的定義 : 定義 1[11] 紋理是一種反映像素的空間分布屬性的圖像特征 ,通常表現(xiàn)為局部不規(guī)則而宏觀有規(guī)律的特性。另一方面 ,新的紋理特征提取方法以及紋理特征提取方法的融合亦在蓬勃發(fā)展 ,主要集中在紋理多尺度特征、旋轉(zhuǎn)不變特征的提取以及紋理特征的選擇與融合 ,如GLCM 與 MRF 的融合 ,小波方法與 MRF 的融合等等。近年來 ,較引人矚目的是 T． ojala 等人于 1996 年提出的局部二進(jìn)制模式 (LBP) ,該方法分析紋理的吸引人的地方在于其計(jì)算復(fù)雜度小 ,具有多尺度特性和旋轉(zhuǎn)不變特性 ,在紋理檢索領(lǐng)域得到應(yīng)用。小波理論發(fā)展的許多分支 ,如多進(jìn)制小波、小波包以及小波框架等等 ,它們均在圖像紋理分析中發(fā)揮了積極的作用。 1989 年 ,Mallat 首先將小波分析引入紋理分析中之后 ,隨之基于小波的紋理分析方法如雨后春筍般涌現(xiàn)出來。小波理論的出現(xiàn)為時(shí)頻多尺度分析提供了一個(gè)更為精確而統(tǒng)一的框架。隨后 , Kapan 等人提出了非常吸引人的擴(kuò)展分形特征。后來更多學(xué)者將分形用于紋理分類 ,以分?jǐn)?shù)維來描述圖 像區(qū)域的紋理特征。同時(shí) ,分形理論也為提取紋理特征注入了新的活力。此外 ,這個(gè)階段出現(xiàn)的方法主要還有灰度行程長(zhǎng)度法、灰度差分統(tǒng)計(jì)法 ,自回歸模型法等 ,這些方法在紋理分類中有一定效果 ,但是這 些方法的后繼研究很少 ,在實(shí)際應(yīng)用中也較少采用。 20 世紀(jì) 70 年代 ,最有代表性的是 Haralick 對(duì)紋理的分析和理解以及提出的紋理特征提取方法 ,為后續(xù)的紋理研究提供了理論支持和技術(shù)積累。另外還有一些提取紋理特征的方法 ,也僅限于提取特定的圖像屬性 ,如紋理粗糙度 ,紋理直線性等。 華僑大學(xué)畢業(yè)設(shè)計(jì)（論文） 10 2 基于紋理的圖像檢索 基于紋理的圖像檢索 發(fā)展與現(xiàn)狀 紋理是圖像的重要特征之一在圖像分析，識(shí)別及圖像檢索中起到非常重要的作用 20世紀(jì) 70年代以前出現(xiàn)了自相關(guān)函數(shù)法 [10]功率譜方法 ,和一些與各種灰度頻率相關(guān)的方法等。 第三章 對(duì)系統(tǒng)的主要模塊及其算法 進(jìn)行分析 。 本論文的結(jié)構(gòu)安排 第一章為緒論，介紹了圖像檢索的研究背景和意義，簡(jiǎn)要介紹了基于內(nèi)容的圖像檢索的體系結(jié)構(gòu)、特點(diǎn)、性能評(píng)價(jià)，以及圖像檢索的國內(nèi)外研究現(xiàn)狀，同時(shí)說明了本論文的內(nèi)容結(jié)構(gòu)安排 。 簡(jiǎn)單的說想對(duì)于傳統(tǒng)的文本圖像檢索，基于內(nèi)容的圖像檢索更為直觀。他可以相對(duì)的準(zhǔn)確的找出你想要的。 舉一個(gè)簡(jiǎn)單的應(yīng)用 例子 ，假如你看到一件衣服，很喜歡，但是不知道他叫什么，那么你去網(wǎng)絡(luò)商城上搜索，根本無從下手。各類的視頻分享網(wǎng)站的出現(xiàn)就是一個(gè)信號(hào)。圖 片的搜索相對(duì)起步較晚些，且難度比較大。 CBIR 技術(shù)依賴于數(shù)據(jù)庫、圖像處理、模式識(shí)別等多個(gè)研究領(lǐng)域的發(fā)展，同時(shí)也將對(duì)其產(chǎn)生深遠(yuǎn)的影響，是一個(gè)很有發(fā)展前途的研究方向 。 iFind[9]系統(tǒng)是微軟亞洲院研發(fā)的一個(gè)結(jié)合語義和視覺特征的圖像相關(guān)反饋檢索系統(tǒng)，該系統(tǒng)通過圖像的標(biāo)注信息構(gòu)造語義網(wǎng)絡(luò)，并在相關(guān)反饋中與視覺特征進(jìn)行結(jié)合，在基 于內(nèi)容的圖像檢索中取得了比較理想的效果，具有一定的應(yīng)用價(jià)值 。 清華大學(xué)計(jì)算機(jī)系于 1997年研究開發(fā)了一個(gè)以 Inter／瀏覽器為平臺(tái)的基于內(nèi)容圖像檢索系統(tǒng) ImgRetr。 由中國科學(xué)院計(jì)算技術(shù)研究所和北京圖書館共同研發(fā)了基于特征的多媒體信息檢索系統(tǒng) MIRES，該系統(tǒng)可以方便的接入 Inter，對(duì)圖像和中文全文進(jìn)行檢索．對(duì)圖像提取顏色、紋理、形狀進(jìn)行檢索，對(duì)中文全文進(jìn)行的檢索具有布爾檢索、截詞模糊匹配檢索、完全字符串匹配檢索等多種檢索方式 。 此外，還有斯坦福大學(xué)與濱州大學(xué)研發(fā)的 SIMPLicity,加 州大學(xué) Berkeley 分校開發(fā)的基于區(qū)域的圖像檢索系統(tǒng) Blobworld，以及加州大學(xué)伯克利分校所研發(fā)的 Chabot 等 。 華僑大學(xué)畢業(yè)設(shè)計(jì)（論文） 8 MARS[8]是美國伊利諾斯大學(xué) Urbana Champaign 分校研發(fā)的多媒體分析和檢索系統(tǒng) 。系統(tǒng)利用圖像區(qū)域的空間位置關(guān)系和從壓縮域提取的視覺特征進(jìn)行檢索，而視覺特征是顏色特征和基于小波變換的紋理特征 。 VisualSEEK[7]和 W． ebSEEK 都是美國哥倫比亞大學(xué)研發(fā)的檢索系統(tǒng)。 比如提供了多種相似度度量方式，使得用戶可以選擇一種或幾種算法的線性組合來計(jì)算圖像的相似度 。 Photobook 系統(tǒng)的人臉識(shí)別技術(shù)也被成功應(yīng)用到了美國的警察機(jī)關(guān) 。 該系統(tǒng)包括三個(gè)子部分，分別用于提取形狀、紋理和人臉特征 。 Virage 弓 I 擎及其在圖像對(duì)象層上的操作是 Virage 技術(shù)的核心，該引擎既可以應(yīng)用到通用的圖像查詢 系統(tǒng)中，還可以對(duì)其進(jìn)行擴(kuò)展并應(yīng)用到特定的領(lǐng)域或場(chǎng)合 。 與QBIC 系統(tǒng)相類似，該系統(tǒng)也支持基于顏色、顏色布局、紋理和形狀等視覺特征的查詢 。 此外， QBIC 系統(tǒng)還支持基于文本的關(guān)鍵字的查詢方式 。 QBIC系統(tǒng)可以實(shí)現(xiàn)基于顏色、紋理和形狀的檢索 。 其中比較有影響的系統(tǒng)有 QBIC、 Virage、 Photobook、 VisualSEEK、 WebSeek、MARS 等 。 交互界面的設(shè)計(jì)綜合 了數(shù)據(jù)庫、圖像處理、計(jì)算機(jī)視覺、模式識(shí)別、人工智能等多種技術(shù) 。該方法的局限性在于沒有考慮檢索結(jié)果中相似圖像所處的位置，同時(shí)，高的準(zhǔn)確率與查全率并不一定表明一個(gè)系統(tǒng)工作得好，這還要視