颜色特征提取（一）

颜色特征与像素点的特征息息相关，所有属于图像的像素都会对颜色特征造成影响。对图像进行颜色特征提取可以忽略图像的形状方向等因素。需要注意的是，颜色特征并不具备决定性，仅使用颜色特征描述图像时，会导致图像检索的不准确，大量无关的图像也会被检索出来。在此基础上进一步采取归一化操作还能有效剔除尺度变化的影响，其不足之处在于无法体现出不同颜色空间分布信息的差异化。

常用的颜色特征提取方法有：

1. 颜色直方图，它常被用来描述图像的颜色特征信息，值得一提的是，它在设计上主要是注重于图像的全局特征描述。因此对于图像的一些局部特征可能没有较好的展现方式。所以它更适用于那些不注重局部特征描述的需求，可以适当忽略图像空间位置影响的场景。对于这类情况会更加的简单有效。在体现颜色在整体图像中所占的比例，以及全局的颜色特征信息方面，具有极大的优势。

2. 颜色集，上面已经提到颜色直方图法无法准确描述图像的局部颜色特征，更适用于全局的颜色特征提取。颜色集与颜色直方图很类似，一般是采用具有视觉均衡的颜色空间[16]。它的具体原理是对图像进行分割，将整体图像由许多块状的小区域图像组成，对于每一块区域的图像都添加一个索引，这是一种特定的表示方式。当每一块区域都有一个索引来描述时，对于整体的目标图像来说，这些索引的集合就可以用来描述整个图像的颜色特征信息。这些索引的集合即是颜色集。

3. 颜色矩，它与上述的两种特征提取方法均有所不同。它的原理是利用数学中的矩来表示图像区域中每一个颜色分布。事实上图像的特征信息主要集中在低阶的矩中，因此，利用该特性，采用低阶矩就足以描述图像的颜色特征[17]。不同要求下使用的阶数会有所不同。对于待识别的任何物体，颜色都是标志物体的重要特征。

示例及代码实现：

1、颜色直方图

---

#include 
#include  
#include  
#define cvQueryHistValue_2D( hist, idx0, idx1 )  cvGetReal2D( (hist)->bins, (idx0), (idx1) )
using namespace cv;
using namespace std;



int main(int argc, char** argv)
{
    IplImage * src = cvLoadImage("D:\\test3.png");

    IplImage* hsv = cvCreateImage(cvGetSize(src), 8, 3);
    IplImage* h_plane = cvCreateImage(cvGetSize(src), 8, 1);
    IplImage* s_plane = cvCreateImage(cvGetSize(src), 8, 1);
    IplImage* v_plane = cvCreateImage(cvGetSize(src), 8, 1);
    IplImage* planes[] = { h_plane, s_plane };

    /** H 分量划分为16个等级，S分量划分为8个等级 */
    int h_bins = 16, s_bins = 8;
    int hist_size[] = { h_bins, s_bins };

    /** H 分量的变化范围 */
    float h_ranges[] = { 0, 180 };

    /** S 分量的变化范围*/
    float s_ranges[] = { 0, 255 };
    float* ranges[] = { h_ranges, s_ranges };

    /** 输入图像转换到HSV颜色空间 */
    cvCvtColor(src, hsv, CV_BGR2HSV);
    cvSplit(hsv, h_plane, s_plane, v_plane, 0);

    /** 创建直方图，二维, 每个维度上均分 */
    CvHistogram * hist = cvCreateHist(2, hist_size, CV_HIST_ARRAY, ranges, 1);
    /** 根据H,S两个平面数据统计直方图 */
    cvCalcHist(planes, hist, 0, 0);

    /** 获取直方图统计的最大值，用于动态显示直方图 */
    float max_value;
    cvGetMinMaxHistValue(hist, 0, &max_value, 0, 0);


    /** 设置直方图显示图像 */
    int height = 240;
    int width = (h_bins*s_bins * 6);
    IplImage* hist_img = cvCreateImage(cvSize(width, height), 8, 3);
    cvZero(hist_img);

    /** 用来进行HSV到RGB颜色转换的临时单位图像 */
    IplImage * hsv_color = cvCreateImage(cvSize(1, 1), 8, 3);
    IplImage * rgb_color = cvCreateImage(cvSize(1, 1), 8, 3);
    int bin_w = width / (h_bins * s_bins);
    for (int h = 0; h < h_bins; h++)
    {
        for (int s = 0; s < s_bins; s++)
        {
            int i = h*s_bins + s;
            /** 获得直方图中的统计次数，计算显示在图像中的高度 */
            float bin_val = cvQueryHistValue_2D(hist, h, s);
            int intensity = cvRound(bin_val*height / max_value);

            /** 获得当前直方图代表的颜色，转换成RGB用于绘制 */
            cvSet2D(hsv_color, 0, 0, cvScalar(h*180.f / h_bins, s*255.f / s_bins, 255, 0));
            cvCvtColor(hsv_color, rgb_color, CV_HSV2BGR);
            CvScalar color = cvGet2D(rgb_color, 0, 0);

            cvRectangle(hist_img, cvPoint(i*bin_w, height),
                cvPoint((i + 1)*bin_w, height - intensity),
                color, -1, 8, 0);
        }
    }

    cvNamedWindow("Source", 1);
    cvShowImage("Source", src);

    cvNamedWindow("H-S Histogram", 1);
    cvShowImage("H-S Histogram", hist_img);

    cvWaitKey(0);
}