【正文】 找與之相似的結果圖像來。 2. CBIR系統(tǒng)的核心技術原理 CBIR 的核心是利用圖像的視覺特征對圖像進行檢索。因此 ，基于內容的圖像檢索是一個綜合的學科領域，而實現(xiàn)一個 CBIR 系統(tǒng)也必須要考慮以下幾個關鍵的步驟： (1)確定研究的的圖像特征或幾種綜合特征。 顏色的表示取決于色彩空間的選擇，不同的場合采用的方式也是 不同，在大多數(shù)彩色圖形顯示器使用紅、綠、藍三原色，但 RGB色彩空間中不能與人的感知顏色相聯(lián)系。 圖像檢索系統(tǒng)設計與研究 4 ① RGB顏色空間模型 此模型也稱為基色混合型顏色空間， 彩色圖像可以分解成紅 (R)、綠 (G)、藍 (B)三個單色圖像，任何一種顏色都可以由這三種顏色混合構成。 圖 2— 1 RGB 顏色空間模型 ①六角錐體模型 (Hexcone Model) HSV（ Hue Saturation Value） 模型的三維表示從 RGB立方體演化而來。六邊形邊界表示色彩 ，水平軸表示純度，明度沿垂直軸測量。～ 360176。 圖像檢索系統(tǒng)設計與研究 5 圖 2— 2 HSV 顏色空間模型 ③ RGB空間模型轉換到 HSV色彩空間 RGB顏色模型都是面向硬件的，而 HSV顏色模型是面向用戶的。 （ 1)顏色直方圖 對于一幅數(shù)字圖像，統(tǒng)計每一種顏色在該圖像中出現(xiàn)的像素點數(shù)，以顏色為橫坐標，以顏色出現(xiàn)的像素點數(shù)為縱坐標： 顏色直方圖 H 定義如下： }1][0,1][] ,. .. . ..[],[{( 21 ???? kk chchchchH 第 K 種顏色在圖像中出現(xiàn)的像素點頻數(shù) ][kch 如下： 211010)),((1(01 2{][ NNchNiNjcjiIkk??? ??????當其他） 其中 1N 和 2N 表示圖像中的寬和高。 1, .. . .. .1,0,)( 1 ????? LkNnKHkii (3)顏色矩 這種方法的數(shù)學基礎在于圖像中任何的顏色分布可以用它的矩來表示，其實顏色的分部信息主要集中在低階矩中，因此，采用顏色的一階矩、二階矩和三階矩就足夠表示圖像的顏色分布。 對于形狀的描述有兩種方法，一是基于邊界，只利用形狀的外部邊緣。 本論文采用第二種，最常用的的是不變矩來描述形狀的區(qū)域特征： 不變矩是圖像的一種統(tǒng)計特征，她利用圖像灰度分布的各階矩來描述圖像灰度的分布特性。 ???00pqpqk ? ..... .)3,2,12( ????? qpqp? （ 3）基于標準化的二階和三階中心矩提出了 7 個幾何矩的不變量，這些不變量滿足于圖像平移、伸縮和旋轉不變， HU不變矩的 公式： 圖像檢索系統(tǒng)設計與研究 8 ? ?? ? ? ?? ? ? ?? ?? ? ? ?? ?? ? ? ? ? ?? ? ? ? ? ?? ?? ?? ?? ? ? ?? ?? ? ? ? ? ? ]3[3]3)[(334][]3[3]3)[(3334203212123003210321203212123012300321703211230112032121230022062032121230032103212032121230120312305203212123042032120330321120220202201kkkkkkkkkkkkkkkkIkkkkkkkkkkkIkkkkkkkkkkkkkkkkIkkkkIkkkkIkkkIkkI????????????????????????????????????????????? 紋理特征 紋理是一種不依賴于顏色或亮度變化的視覺特征， 描述 了圖像像素鄰域灰度空間分布的規(guī)律 ，可以從微觀上區(qū)分圖像中不同的物體， 它是所有物體表面 固有的內在特性，不同物體具有不同的紋理，如 花、草、 樹木 、云彩等 都有各自的紋理特征。 空間關系特征 顏色、形狀和紋理等多種特征反映的都是圖像的整體特征，而無法體現(xiàn)圖像 中所包含的對象或物體。 因此，得到不同分塊目標之間的空間位置對于圖像辨別也是比較重要的手段之一，就像藍色的天空和蔚藍的海洋的在顏色直方圖上是非常接近而難以辨別。 首先，檢索的目的是發(fā)現(xiàn)和提取需要的圖像。 查全率 =檢索出來的有關聯(lián)的結果 //圖像庫中所有關聯(lián)的結果 (11) 圖像檢索系統(tǒng)設計與研究 9 查準率 =檢索出來的有關聯(lián)的結果 /檢索出來的所有結果 (12) 綜上所述，查全率反映了檢索算法找到關聯(lián)結果的全面程度，它涉及到漏檢的問題 。 顯而易見的，查全率和查準率的計算都需要知道圖庫中真實的存儲內容，所以這兩個參數(shù)可用于實驗系統(tǒng)的研究，而對實際系統(tǒng)的評價則不適用。 本文主要采用歐氏距離： 21||),( ???? Niii baBAd 歐氏距離具有簡單、有清晰的物理意義，其計算復雜較小，具有空間旋轉不變性的特點。前者為用戶提供了 Windows 所一貫堅持的非常友好、操作簡單的用戶界面 .；后者則可對數(shù)據(jù)庫實施操作、維護和權限識別功能，也可通過與語句的結合對數(shù)據(jù)庫進行更為復雜的操作。 （ 1）在顏色特征模式下，選擇顏色直方圖、累計直方圖、顏色矩其中一種進行檢索 （ 2）在形狀特征模式下，采用不變矩方法進行檢索 （ 3）在顏色和形狀 綜合特征模式下，選擇顏色和形狀各自所占百分比所得綜合特征進行檢索 總體結構圖 圖像檢索系統(tǒng)設計與研究 11 圖 3— 1 圖像檢索系統(tǒng)總體結構 主要流程圖 圖像檢索系統(tǒng)設計與研究 12 圖 3— 2 圖像檢索系統(tǒng)主要流程 本次圖像檢設計與研究利用 VC++ 開發(fā)軟件實現(xiàn) 由圖像檢索系統(tǒng)總體結構中可知，首先進入的是系統(tǒng)設置模塊，該模塊主要提供使用 者輸入需要檢索的圖像、參與檢索的圖像和圖庫的路徑接口建立，建立兩 圖像檢索系統(tǒng)設計與研究 13 個全局變量 CString strfile 和 CString m_strPath 分別作為需要檢索圖像和檢索庫的保存路徑，還需對檢索庫圖像進行掃描設置。 void CImagetrievalDlg::OnOpen() { CFileDialog fileOpenDlg(TRUE)。 open_pic=true。 CDC* pDC = pWndGetDC()。 pWndUpdateWindow()。//對于選擇了多個文件的情況得到第一個文件位置 strfile = (pos)。//顯示待檢索圖像 } 本模塊中調用了顯示待檢索用戶圖像函數(shù) CImagetrievalDlg::ShowPic(CString pathfile, int idc) ， 函 數(shù) 的 參 數(shù)pathfile 為待顯示的文件路徑， idc 為圖像顯示控件的 ID號 檢索庫掃描模塊設置 輸入用戶待檢索圖 像 圖像檢索系統(tǒng)設計與研究 14 點擊按鈕 進入函數(shù) CImagetrievalDlg::OnPath() 實現(xiàn)該模塊設置 ： 本模塊主要向用戶提供設置檢索庫的接口的功能，通過掃描檢索庫得到庫中的圖像個數(shù)和每個圖像的保存的詳細路徑，為了方便其他模塊使用，將它們分別保存在 counts、 temp[100]中。 ZeroMemory(amp。//fills a block of memory with zeros. = NULL。 = 請選擇一個圖像目錄 。browse)。 ()。 ()。 //標志位設置為 true，表示待檢索圖像已設置 AfxMessageBox(您選擇的目錄為 :+m_strPath,MB_ICONINFORMATION|MB_OK)。 CString temps。 ()。 //去除前后多余 CString strfilepath=tempath。 counts=0。 (該目錄下共有 %d 幅圖像 !,counts)。 } 圖像檢索模塊 （系統(tǒng)核心部分） 主要涉及兩個核心技術：圖像特征提取技術、相似度計算技術 選擇檢索庫路徑 圖像檢索系統(tǒng)設計與研究 15 包括三種檢索模式：顏色特征提取模式、形狀特征提取模式、顏色和形狀綜合特征提取模式。 1）本模塊中兩個重要標志位：如果標志位值為 true，說明此方法在當前檢索庫、待檢索圖像下已經(jīng)使用過。 特征提取模塊 （包括 4 個特征函數(shù)） 每個函數(shù)都含有兩個傳遞參數(shù)： CString pathfile 圖像路徑 、 int mode模式狀態(tài)，當 mode=1 時，說明計算的是待檢索圖像，并且，將提取出來的顏色特征值、形狀特征值分別保存在 feature_color[3][12]、 feature_shape[8]中，當 mode=2 時，說明計算的是檢索庫 中的圖像，并且，將提取出來的顏色特征值、形狀特征值分別保存在 feature_color[3][12]、 feature_shape[8] 中 feature_color_1[3][12]、 feature_shape_1[8]中。h,amp。v)。 if(bg) *h=2*PI*h。 *v=mymax(r,g,b)/。mode=2,表示計算的是檢索庫中的圖像 。為 2時，表示計算的是檢索庫中的圖像 。 OTSU 重要式子， g 值意義在于，從最小灰度值遍歷閾值 K，使得 g值取到最大時的 K 值，找到了最佳分割閾值： 21010211200)(.2)()(.1uuguuuug?????????????? 最佳 K值把圖像分割成了兩部分，前景：平均灰度值為 0u ，像素所占比例 0? ； 背景：平均灰度值為 1u ，像素所占比例 1? ；總平均 灰度值為 u 。 1） 提取分析圖像的特征向量 2） 計算圖像特征向量與待檢索圖像的相似度 3） 保存圖像檢 索信息 4） 在控件中顯示當前正在分析的圖像 圖像檢索系統(tǒng)設計與研究 18 根據(jù)當前模式下的檢索，將相似度計算結果保存在相應的 picture 類文件中，在用戶圖像和檢索庫不變的情況下，若需要再次調用同樣的檢索模式，就不再重復計算了，可以直接從之前保存好的 picture 類文件中讀出，因此，需要建立一個標志來說明當前檢索是否已經(jīng)用過當前檢索模式，在 picture 類中strile_old、 m_strPath_old 同全局變量 strile、 m_strPath 對比，如果不一致，將使標志位 color=0 或者 shape=0，說明當前檢索未 使用過當前檢索模式。 ①序正常運行后屏幕顯示的初始界面效果 ②用戶輸入圖像進行檢索 ③基于模式一顏色特 征→（顏色直方圖）的檢索結果 ④基于模式顏色特征→（累計直方圖）的檢索結果 圖像檢索系統(tǒng)設計與研究 19 ⑤基于模式一顏色特征→（顏色矩）的檢索結果 ⑥基于模式一形狀特征→（不變矩）的檢索結果 ⑦基于模式一顏色 +形狀綜合特征 [50%/50%]的檢索結果 ⑦基于模式一顏色 +形狀綜合特征 [30%/70%]的檢索結果 參考文獻 [1].沈晶 .劉海波 .周長健 . Visual C++數(shù)字圖像處理典型案例詳解 .北京 :機械工業(yè)出版社 , [2].譚浩強 .C語言程序設計 .北京 :清華大學出版社 ,2021 [