学习CV已经快一年了,自己是属于那种能把要做的事发展成兴趣的那种人,其实也是找不到兴趣就做好手头事的。看了别人很多的博文,大部分都很好,于是有了学习他们,总结自己所学的冲动。希望能坚持,并且循序渐进。最快最有效率的做事方法就是不着急,慢慢做,一点点进步。
第一部分就从入门级开始,希望自己也能附上相关的经典论文,慢慢来,如果一次弄不全,就慢慢修改。
这篇文章是在http://www.360doc.com/content/10/0601/10/1412027_30625801.shtml基础上完成的。
图像的特征大概分为以下几种:颜色特征、纹理特征、形状特征和空间关系几类。
从另外一角度分类,包含局部特征和全局特征。
1. 颜色特征
1.1
颜色特征是一种全局特征,描述图像或者图像区域对应的景物的表面性质。一般颜色特征是基于像素点的特征。由于颜色对区域的方向,大小等变化不敏感,所以颜色不能很好地描述图像中对象的局部特征。
最常用的颜色空间:RGB,HSV,LAB;
颜色直方图特征匹配方法:直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。
1.2常用的颜色特征提取与匹配方法
(1) 颜色直方图
颜色直方图是从全局颜色额特征中提取与匹配的方法,无法区分局部的颜色信息。
优点:能简单描述一幅图像中颜色的全局分布,即不同色彩在整幅图像中所占的比例,特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。
缺点:无法描述图像中的某一具体的对象或物体。所以颜色特征只能作为一种辅助特征,它无法描述图像中的具体事物。
附颜色直方图MATLAB程序:
I=imread('c:\Users\lotus\Desktop\12.jpg');
siz=size(I);
I1=reshape(I,siz(1)*siz(2),siz(3));
I1=double(I1);
[N,X]=hist(I1, [0:1:255]);
bar(X,N(:,[3 2 1]));
xlim([0 255])
hold on
plot(X,N(:,[3 2 1]));
hold off
图1(原图) 图2 (颜色直方图)
(2)颜色集
颜色集是颜色直方图的一种近似。
首先,将图像从RGB颜色空间转化成视觉均衡的颜色空间(我现在还不是特别清楚,以后要写一篇关于颜色空间的),并将颜色空间量化成若干个柄(bin)。
然后,用色彩自动分割技术将图像分为若干区域,每个区域用某个颜色分量来索引,从而把图像表示为二进制的颜色索引集。
在图像匹配中,比较不同图像颜色集之间的距离和色彩区域的空间关系。
(3)颜色矩
图像中任何颜色分布都可以用它的矩表示,而且颜色分布的信息主要集中在低阶矩。所以,颜色的一阶矩(mean)、二阶矩(variance)和三阶矩(skeness)就足以表达图像的颜色分布。
(4)颜色聚合向量
思想:将直方图的每个bin分为两部分,如果bin里面的某些像素所占据的连续区域面积大于给定的阈值(我最讨厌阈值),则该区域内的像素为聚合像素,否则为非聚合像素(感觉有点像区域生长)。
(5)颜色相关图