直方图对特征提取的应用

直方图，在WC等人做的图像分类中，有大量应用，对特征进行提取和描述。

下面以图像的灰度直方图进行说明。在这种图里，每个像素点的取值是0-255.

首先要理解直方图的纵坐标和横坐标。

一般是以0-255为横坐标，然后对应的取值的像素点数目为纵坐标。这样就可以表示一张图的灰度特征了。

当然，可以有255维的向量来表示这一特征，但是255太大了，所以，可以提取这个直方图的一些特征来，比如它的均值，比如它的方差，那就是两维的数据。假设一幅图的这两个特征是<a,b>，另一幅图是<c,d>，那么可以通过计算这两个向量的欧式距离来表示他们的相似度。d = sqrt((x1-x2)^2+(y1-y2)^2)

如果维数比较小。那么直接用这些维的数值来表示，不需要提取它的特征。

还有，在计算欧式距离时，由于可能一维的数值比较大，一维数值比较小，比如<100,0.1>,<101,.0.9>，虽然第二维差值0.8，比第一维的1要小，但是衡量的程度是不同的。那么直接相减也不能很好地表示他们的差别量。所以，可以做归一化处理。

将横坐标转换为0-1，将纵坐标也转换为0-1，这样计算更合理点。

直方图也有它的缺点。很重要的一个就是，缺乏对上下文关系的研究。整体研究，但是缺乏关联性。当然，也有梯度直方图这些。