机器视觉学习笔记-图像特征

一、颜色特征

特点：颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。

常用的特征提取与匹配方法：

1.颜色直方图：优点在于它能简单描述一幅图像中颜色的全局分布，其缺点在于它无法描述图像中颜色的局部分布及每种色彩所处的空间位置。

2.颜色集：无法区分局部颜色信息。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：这种方法的数学基础在于：图像中任何的颜色分布均可以用它的矩来表示。

4.颜色聚合向量：核心思想是将属于直方图每一个柄的像素分成两部分，如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素，否则作为非聚合像素。

5.颜色相关图

 

二、纹理特征

特点：纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。在模式</