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。