首页 > 代码库 > 基于HSV分块颜色直方图的图像检索算法
基于HSV分块颜色直方图的图像检索算法
引 言
随着多媒体技术及[nternet技术的迅速发展，各行各业对图像的使用越来越广泛，图像信息资源的管理和检索显得越来越重要。传统的通过手工标记和索引图像(即基于文本的图像检索)的方法已经不能满足人们的需求，随之而来的问题是：随着图像数据的剧增和人们对图像的理解具有不同的侧重点，不同的人从不同的角度对同一幅图像的认识可能存在很大的差异性，因此无法准确反映图像信息。基于内容的图像检索方法(Content—Based Image Retrieval，CBIR)由此应运而生。在基于内容的图像检索中，如何根据图像的视觉特征准确而快速地检索图像成为人们最关心的问题，也是图像检索的主要内容。其中，颜色作为图像中最显著的视觉特征，被广泛应用于图像检索中。颜色是所有图像中最直接、最简单、最重要的特征。颜色特征对图像本身的尺寸、方向和视角的依赖性较小，定义比较明确，抽象也相对容易。最早利用颜色进行图像检索的实例是由Swain和Ballard提出的基于全局颜色直方图的检索算法 。基于颜色直方图的检索过程涉及图像颜色空间的选择、颜色空间的量化、颜色直方图的定义以及直方图空间相似度距离的计算等。
本研究主要探讨基于HSV分块颜色直方图的图像检索算法。
1 颜色模型
1．1 RGB模型
RGB颜色模型是图像处理中最常用的颜色模型，现有的图像采集设备最初采集到的颜色信息是RGB值，图像处理中使用的其他颜色空间也是从RGB颜色空间转换来的。但RGB颜色空间不直观，从RGB值中很难判断该值所表示的颜色，因此，RGB颜色空间不符合人对颜色的感知心理 。其次，RGB颜色空间是不均匀的颜色空间，两种颜色之间的知觉差异不能通过该颜色空间中两个颜色点之间的距离来表示 。
1．2 HSV 模型
HSV颜色空间是一种面向视觉感知的颜色模型，人眼的色彩知觉主要包括3个要素：色调、饱和度和亮度.HSV颜色模型可以用一个倒置的圆锥体来表示。长轴表示亮度，离开长轴的距离表示饱和度，围绕长轴的角度表示为色调，HSV模型如图所示。灰度影调沿着轴线从底部到顶部由黑变白。具有最大亮度、最大饱和度的颜色位于圆锥体顶面的圆周上 。Androutsos等人通过实验对HSV颜色空间进行了大致划分，亮度大于75％ 并且饱和度大于20％为亮彩色区域，亮度小于25％ 为黑色区域，亮度大于75％且饱和度小于20％ 为白色区域，其他为彩色区域 ]。HSV颜色空间有两个特点：① 亮度分量与图像的彩色信息无关；② 色调与饱和度分量与人感受颜色的方式紧密相连。这些特点使得HSV颜色空间非常适合以人的视觉系统来感知彩色特性的图像处理算法。
1．3 RGB与HSV的转换
首先讨论从RGB颜色空间到HSV颜色空问的转换，其具体转换公式如下：
从RGB颜色空间到HSV颜色空间的转换，还存在一种快速近似的转换公式 ：
2 颜色特征提取与HSV量化
RGB颜色空间与人眼的感知差异很大。例如：距离为50的(0，0，0)与(50，0，0)两种RGB颜色在人眼中认为是同一黑色，而距离为50的(200，150，0)和(200，200，0)则是差别很大的两种颜色(黄色和绿色) 。在直方图算法中则使用较好地符合人眼感知特性的HSV颜色模型。根据HSV颜色模型的特性本
研究作了如下特殊处理 ：
(1)黑色区域：所有 <15％ 的颜色均归入黑色，
令h=0，S=0， =0；
(2)白色区域：所有S<10％ 且 >80％ 的颜色归
入白色，令h=0，s=0， =1；
(3)彩色区域：位于黑色区域和白色区域以外的
颜色，其h，S， 值保持不变。经过HSV颜色变换，图像中每个像素的颜色用h，S， 值表示。由于将与黑色、白色相近的颜色分别作
为同一种颜色对待，进一步提高了颜色模型的准确性。一幅图像的颜色一般非常多，尤其是真彩色图像，因此直方图矢量的维数会非常多。如果对HSV空间进行适当的量化后再计算直方图，则计算量要少得多。根据人体视觉对颜色的感知特性，本研究将H，s， 这3个分量按照人的颜色感知进行非等间隔的量化：
(1)按照人的视觉分辨能力，笔者把色调H空间分成8份，饱和度S和亮度 空间分别分成3份。
(2)根据色彩的不同范围和主观颜色感知进行量化：
