图像特征计算——颜色特征

---

一、颜色特征

  在图像处理领域，图像的颜色特征是一个非常重要的特征，有时候根据图像的颜色特征就可以得出一些非常重要的信息。
  自然界常见的各种颜色光，都是由红( R)、绿(G)、蓝(B)三种颜色光按不同比例相配而成，同样绝大多数颜色也可以分解成红、绿、蓝三种色光，这就是色度学中最基本的原理—三基色原理。
  256级的RGB色彩总共能组合出约1678万种色彩，即256×256×256=16777216。
通常也被简称为1600万色或千万色。也称为24位色(2的24次方)。

  除了RGB彩色图像表示法，还有HSV表示法。HSV是一种将RGB色彩空间中的点在倒圆锥体中的表示方法。HSV即色相(Hue)、饱和度(Saturation)、明度(Value)，又称HSB(B即Brightness)。色相是色彩的基本属性，就是平常说的颜色的名称，如红色、黄色等。饱和度（S）是指色彩的纯度，越高色彩越纯，低则逐渐变灰，取0-100%的数值。明度（V），取0-max(计算机中HSV取值范围和存储的长度有关)。HSV颜色空间可以用一个圆锥空间模型来描述。圆锥的顶点处，V=0，H和S无定义，代表黑色。圆锥的顶面中心处V=max，S=0，H无定义，代表白色。

  RGB颜色空间中，三种颜色分量的取值与所生成的颜色之间的联系并不直观。而HSV颜色空间，更类似于人类感觉颜色的方式，封装了关于颜色的信息：“这是什么颜色？深浅如何？明暗如何？”
此外介绍一下RGB和HSV的相互转化规则：

二、颜色特征表示

1. 颜色特征的特点
颜色与图像中包含的物体或场景关系密切；
颜色特征对图象尺寸、方向、视角等的依赖性小；
2. 需要解决的两个问题
选择合适的颜色空间计算颜色特征
选择合适的方法将颜色特征量化
3. 表示的主要方法
颜色直方图、颜色矩、颜色集

1.颜色直方图

  直方图原理就不赘述了，参考了以下一些博客：
https://blog.csdn.net/zhu_hongji/article/details/80443585
https://blog.csdn.net/qq_20199965/article/details/102561054?
代码实现如下：

//提取颜色特征
//★★★非常重要：calcHist统计后的数组hist,假设是三维（dims=3），bin=256 ,那么hist(6,7,8)代表的是0通道像素为6
//1通道像素为7，2通道像素为8的像素点的个数   
//统计H、S、V的直方图可以利用三层for循环
//（bin常常取更小，bin的作用的划分更小的区间，若为256则hist太大，那么可以取bin=32即把256划为32份）
/*============calcHist函数原型===================
void calcHist(const Mat* arrays,     //图像数组
              int narrays,           //需要统计的图像数组中的元素个数，单个统计为1即可
              const int* channels,   //统计的通道数
              InputArray mask,       //掩模，没有直接Mat()即可
              OutputArray hist,      //输出的直方图数组
              int dims,              //输出的直方图数组的维数
              const int* histSize,   //确定统计区间，histSize中一般常常存放h_bins,s_bins,v_bins,确定直方图数组下标(例：取histSize={50,60,60},那么hist数组的最后一个元素是hist[49][59][59])
              const float** ranges,  //确定每个bin的上下界范围，如果是rgb图像通常情况下像素值最大为255那么三个通道都为0-256，hsv图像中
              bool uniform=true,     //统计的直方图是否均匀
              bool accumulate=false )  
=================================================*/
#include <iostream>
#include <vector>
#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <opencv2\imgproc\types_c.h>

using namespace std;
using namespace cv;

int main()
{
	Mat srcImage = imread("00001.jpg");
    Mat hsvImage;
    cvtColor(srcImage, hsvImage, COLOR_BGR2HSV);    //将rgb图转化为hsv图

    int h_bins = 50;
    int s_bins = 60; 
    int v_bins = 60;
    int histSize[] = { h_bins,s_bins ,v_bins};
    float h_ranges[] = { 0,180 };
    float s_ranges[] = { 0,256 };
    float v_ranges[] = { 0,256 };
    const float* ranges[] = { h_ranges,s_ranges,v_ranges };
    //只计算了h，s两个通道，所以channels是0和1
    int channels[] = { 0,1,2 };
    //MatND 类型的容器用于存储calcHist计算出的直方图
    Mat Hist;
    calcHist(&hsvImage, 1, channels, Mat(), Hist, 3, histSize, ranges, true, false);

    /*=======查看结果=================
    for (int i = 0; i < h_bins; i++)
    {
        for (int j = 0; j < s_bins; j++)
        {
            for (int z = 0; z < v_bins; z++)
            {
                cout << "[" << i << "]" << "[" << j << "]"<<"["<<z<<"]" << "=" << Hist.at<float>(i, j,z) << endl;
            }
        }
    }
    =================================*/

    //分别统计h,s,v的直方图
    vector<float> h_Hist(h_bins,0);
    vector<float> s_Hist(s_bins,0);
    vector<float> v_Hist(v_bins,0);

    for (int i = 0; i < h_bins; i++)
    {
        for (int j = 0; j < s_bins; j++)
        {
            for (int z = 0; z < v_bins; z++)
            {
                float value = Hist.at<float>(i, j, z);
                h_Hist[i] += value;
                s_Hist[j] += value;
                v_Hist[z] += value;
            }
        }
    }

    //绘制直方图：略，直接看其他人的博客即可

	return 0;
}

2.颜色矩

1. 颜色矩是以数学方法为基础的，通过计算矩来描述每个颜色通道的分布。
2. 颜色矩通常直接在RGB空间计算。
3. 用每个颜色通道的前三阶矩表示。

  颜色通道的前三阶矩矩通俗来说就是一阶的均值，二阶的方差，三阶的斜度。公式如下：

直接在RGB颜色空间求取就行。

3.颜色集

  颜色集是对颜色直方图的一种近似，首先将图像从RGB颜色空间转换为视觉均衡的颜色空间(如HSV空间)，并将颜色空间量化为若干个bins。然后，用色彩自动分割技术将图像分为若干个区域，每个区域用颜色空间的某个颜色分量来索引，将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同颜色集之间的距离和色彩区域的空间关系。

  颜色集同时考虑了颜色空间的选择和颜色空间的划分，通常使用HSL空间。