数据挖掘笔记(8)-使用颜色矩提取图像的特征

最新推荐文章于 2023-12-28 22:02:44 发布
最新推荐文章于 2023-12-28 22:02:44 发布
阅读量3.7k 收藏 14
点赞数 2
分类专栏： 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/watermelon12138/article/details/87979303
版权

颜色矩

  1. 一阶颜色矩
    一阶颜色矩采用一阶原点矩，反映图像的整体明暗程度。
    在这里插入图片描述
    对于RGB颜色空间的图像，i=1，2，3，Ei 表示第i个通道上的一阶颜色矩，Pij表示第j个像素的第i个通道上的颜色值。
  2. 二阶颜色矩
    二阶颜色矩采用二阶中心距的平方根，反映图像颜色的分布范围。
    在这里插入图片描述
    σi表示第i个颜色通道上的二阶颜色矩。
  3. 三阶颜色矩
    三阶颜色矩采用三阶中心距的立方根，反映图像颜色分布的对称性。
    在这里插入图片描述
    Si表示第i个通道上的三阶颜色矩。

对于RGB颜色空间的图像而言，每张图像都可以提取出如下特征信息：
在这里插入图片描述

watermelon12138
关注
专栏目录
图像识别的时候用到的颜色矩特征的提取算法
03-25
图像识别的时候用到的颜色矩特征的提取算法是用C++实现的-Color moment feature extraction algorithm is used when the image recognition using C++
matlab实现的颜色矩（颜色特征提取）
11-10
matlab实现的颜色矩（颜色特征提取）
颜色矩特征提取matlab,求matlab彩色图片的颜色特征提取算法的代码，和纹理特征提取的? 爱问知识人...
weixin_39926588的博客
03-18 515
其实学数字图像处理，关键的不是源代码(和一般编程还是有区别的，这个是经验之谈，其实一般博导未必会编程，但是你和他说说你的方法，他一般都能切中要害)，而是你能理解基于概念及适用场所。基于颜色、纹理、形状都属于低层特征，这些你理解就够了，关键是对你的课题适合哪种方法来映射到高层语义上面，例如：识别物体轮廓，那可能形状就比较适合等。我之所以写上面那段话，主要是我感觉你索取代码也不说明具体要求，也就是方向...
颜色矩特征提取matlab,彩色图像特征提取研究(一)
weixin_33891841的博客
03-18 1515
彩色图像特征提取研究(一)通过函数的MATLAB实现得到如下结果图：图(4-2)图像的边缘检测4.3图像分割图像分割是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术。随的图像处理，诸如特征提取和对象识别，都依赖于图像分割的质量。图像分割就是指把像分成各具特性的区域并提取感兴趣目标的技术和过程。尽管人们在图像分割方面做了许多研究工作，但由于没有通用的分割理论，现己提出的分割算法大都是针...
颜色矩 color moment
12-24 2560
颜色矩 颜色是彩色图像最重要的内容之一，被广泛用于图像检索中。但从图像中提取颜色特征时，很多算法都先要对图像进行量化处理。量化处理容易导致误检，并且产生的图像特征维数较高，不利于检索。 stricker和0reng0提出了颜色矩的方法[1]，颜色矩是一种简单有效的颜色特征表示方法，有一阶矩(均值,mean)、二阶矩(方差,viarance)和三阶矩(斜度,skewness)等，
实验一 图像颜色特征提取.zip_HSV二阶矩_RGB颜色矩_hsv空间提取_二阶矩_图像一阶矩
07-13
stricker和0reng0提出了颜色矩的方法，颜色矩是一种简单有效的颜色特征表示方法，有一阶矩(均值)、二阶矩(标准差)和三阶矩(斜度)等，由于颜色信息主要分布于低阶矩中，所以用一阶矩，二阶矩和三阶矩足以表达图像的颜色分布，颜色矩已证明可有效地表示图像中的颜色分布。 对彩色图像进行颜色矩特征参数提取，首先要将RGB彩色图像转换到HSV颜色空间，对图像的H、S、V颜色分量图像分别提取一阶颜色矩、二阶颜色矩、三阶颜色矩。
图像颜色特征提取
E_vens
01-16 1万+
        颜色特征是在图像检索中应用最为广泛的视觉特征，主要原因在于颜色往往和图像中所包含的物体或场景十分相关。此外，与其他的视觉特征相比，颜色特征对图像本身的尺寸、方向、视角的依赖性较小，从而具有较高的鲁棒性。         面向图像检索的颜色特征的表达涉及到若干问题。首先，我们需要选择合适的颜色空间来描述颜色特征；其次，我们要采用一定的量化方法将颜色特征表达为向量的形式；最后，还要定...
图像特征提取(颜色特征)
热门推荐
h532600610的博客
10-28 2万+
特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。
数据挖掘：特征工程——特征提取与选择
AvenueCyy的博客
02-25 1万+
数据挖掘：特征工程——特征降维与选择 特征的处理和构建已经在上一篇特征处理和构建文章中有所总结。接来下对特征降维和选择进行说明。 一、什么是特征降维与特征选择？ 一般经过特征处理和生成后，会产生大量的特征，而这些特征中有的特征是很重要的，但不是每一项特征都对模型有用，因此，要将这类没用的特征剔除掉。所以，特征降维与特征选择的主要目的就是为了剔除无用的特征。 之前一直有个疑惑，既然特征降维与特征选择...
颜色矩公式
07-30
颜色矩公式
海南大学数据挖掘入土笔记.pdf
06-27
数据挖掘技术的演化历史可以追溯到知识发现(KDD)的核心部分，KDD意在从大量数据中提取有用的信息。随着技术的发展，数据挖掘融合了数据库、人工智能、机器学习、统计学、高性能计算、模式识别、神经网络、数据可视化...
数据科学课程笔记3 --- 数据与数据特征
Y_Cxhiao的博客
06-06 2699
1. 数据的概念 · 数据是用来记录信息的可识别的符号，是信息的具体表现形式 · 现代计算机系统中，数据是指所有能输入到计算机并被计算机程序处理的符号的介质的总称，是用于输入电子计算机进行处理，具有一定意义的数字、字母、符号和模拟量的通称。 · 数据经过加工后就成为信息 2. 数据按性质可分为 · 定位数据，如各种坐标数据 · 定性数据，表示事物属性的数据 · 定量数据，反映
数据挖掘：理论与算法学习笔记
最新发布
m0_52899614的博客
12-28 1950
后剪枝则是先从训练集中生成一棵完整的决策树，然后自底向上的考察每一个非叶结点，和预剪枝相反，如果将该结点对应的子树替换为叶结点能给决策树带来性能上的提升，则将该子树替换为叶结点。原理：根据特征的先验概率（训练样本分析得到的概率），利用贝叶斯公式计算出其后验概率（要分类对象特征的条件概率），选择概率值最大的类作为该特征所属的类。信息增益越大越好，即该属性的效能越高，越有区分度。Elman Network：此算法有一定的记忆性，通过之前的输入推出答案，输出不仅仅取决于当前的输入，还取决于之前的输入。
数据挖掘学习笔记
codexxs 的博客
04-21 3249
第一章 python基础 1.4 python基本数据类型 #1.41数值类型 int,float,bool(True) #1.42字符串str s1='abcd' s2='''ab cd''' 1.4.3列表List L1=[1,'a1',2,'aa'] #[1, 'a1', 2, 'aa'] 1.4.4元组Tuple 处在元组中的元素不能修改 T1=(1,'a1') T1=(1,'C1','A1') #(1, 'C1', 'A1') T1[1]=2 # 'tuple' object
python 裁剪图片中心区域并提取颜色矩
qq_41895704的博客
10-09 2117
from PIL import Image import numpy as np import os import pandas as pd #处理图像，返回裁剪中心区域的图像的rgb三通道矩阵。 def getimage(path): img=Image.open(path) M,N=img.size print(M,N) r,g,b=img.split() ...
颜色矩
Sunshine
05-25 6083
颜色矩：     颜色矩是一种简单而有效的颜色特征，是由Stricker和Oreng提出的，这种方法的数学基础是图像中的任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩(mean)、二阶矩(Variance)和三阶矩(Skewness)就足以表达图像的颜色分布，与颜色直方图相比，该方法的另一个好处是无须对特征进行量化。    
【CBIR】【Color】颜色矩（Color Moment）2
erlingmusan的专栏
04-03 3120
颜色矩（Color Moment）2
图像特征分析（一）：颜色特征描述，颜色矩，颜色直方图（附matlab代码）
LLLLnannan的博客
06-30 1万+
图像分析可以看作是一个图像信息提取的过程，从图像中获取需要的有用的数据。图像特征可以分为视觉特征和统计特征，视觉特征主要是指人的视觉直观感受到的自然特征，比如图像的颜色、纹理、形状等，统计特征是指需要通过变换测量才能得到的特征，比如频谱、直方图等。 根据视觉特征的分类，本专题分别开三篇博客对颜色特征、纹理特征、形状特征进行介绍。 本篇主要介绍颜色特征分析及matlab的实现方法。 一. 颜色特征分析 颜色特征属于图像的内部特征，对于图像的尺寸、方向、视角等变化均不敏感，因此被广泛的应用于图像识别中，下面主要
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值