河南理工大学毕业设计（论文）说明书
技术的发展，其次阐述了CBIR技术的应用场合，并对国内外经典的CBIR系统做了简单的介绍。最后，明确了本文所研究的重点内容。
第2章 首先描述了图像颜色特征的提取。通过比较颜色空间的异同，将图像转换成符合人类视觉特征的颜色空间。通过颜色量化以达到减少计算量，最后描述了几种颜色特征的提取方法。对于纹理特征先进行了简单的叙述，然后描述了纹理特征的几种提取方法。
第3章 本章节主要描述了该系统所使用的特征提取算法。在HSV颜色空间进行非等间隔量化。采用颜色直方图来提取颜色特征。在灰度图像进行灰度级压缩，然后采用灰度共生矩阵来提取纹理特征。
第4章 主要介绍了图像匹配所采用的几种相似性度量方法。并阐述了本系统所使用的欧式距离方法，实现了多特征相似度融合。
第5章 实现了MATLAB下基于内容的图像检索系统。本系统使用的算法实现了基本功能。介绍了系统实现的软硬件环境和软件界面，说明了系统的使用步骤，并通过系统实验根据其检索效果进行了比较和性能分析。
7
河南理工大学毕业设计（论文）说明书
2 图像特征分析
2.1 图像颜色特征分析
颜色特征是在图像检索中应用最为广泛的视觉特征。一方面，由于颜色往往和图像中所包含的物体或场景十分相关；另一方面，相对于纹理和形状等特征，颜色特征对图像本身的尺寸、方向、视角、平移、旋转等方面的依赖性较小，具有较强的鲁棒性。本系统是从颜色空间及转换与颜色量化入手，通过颜色直方图来进行图像颜色特征的提取。
2.1.1 颜色空间及转换
（1）RGB颜色空间
RGB颜色模型又称RGB颜色空间，它是一种色光表示模式，是使用最多、最熟悉的颜色模型。计算机定义R、G、B三种颜色成分的取值范围是0-255，0表示没有刺激量，255表示刺激量达最大值。R、G、B均为255时就合成了白光，R、G、B均为0时就形成了黑色。
R、G、B为三原色，各个原色混合在一起可以产生复合色，如图2-1所示。绝大部分的可见光可以用R、G和B三色光按不同比例和强度的混合来表示。在颜色重叠的位置，产生青色、洋红和黄色。因为RGB颜色合成产生其它颜色，它们也称为加色。
图2-1 RGB三原色混合效果
RGB颜色空间的缺点是：改变一个颜色时，三个通道上的颜色全部需要修改：它不是均匀视觉的颜色空间，颜色空间上的距离，并不代表人眼视觉上的颜色相似性。
8
河南理工大学毕业设计（论文）说明书
（2）HSV颜色空间
HSV颜色空间是一种面向视觉感知的颜色模型，HSV空间能够较好的反映人眼对色彩的感知和鉴别能力。它直接对应于人眼颜色视觉特性三要素，即色调H、饱和度S和亮度V，通道间各自独立。色调H表示从一个物体反射过来的或透过物体的光波长，即是光的颜色，不同波长的光呈现不同的颜色，具有不同的色调。饱和度S表示颜色的深浅程度，饱和度高颜色深，如深蓝。饱和度低则颜色浅，如浅蓝。饱和度的深浅与颜色中加入白色的比例有关，它反映了某种颜色被白色冲淡的程度，白色成分为0，则饱和度为100%，只有白色，则饱和度为0。亮度V表示人眼感觉到的光的明暗程度，与物体的反射率成正比。
用一个三维空间锥体可以将色调、饱和度、亮度表示出来如图2-2示：色调H被表示为绕圆锥中心轴的角度，饱和度S被表示为从圆锥的横截面的圆心到这个点的距离，亮度V被表示为从圆锥的横截面的圆心到顶点的距离。
图 2-2 HSV颜色模型
（3）颜色空间的转换
HSV颜色空间是一个均匀颜色空间，其转换是一个非线性变换。一幅图像中的RGB值(R，G，B)通过非线性转换可转换到HSV空间值(H，S，V)。
一般情况下获取的图像都是在RGB空间描述的，但是RGB空间结构并不符合人们对颜色相似性的主观判断，所计算出来的两种颜色之间的距离无法正确表征人们实际所感知到的两种颜色的真实差异。而HSV颜色空间由色调(H)、饱和度(S)、亮度(V)三个分量组成，与人眼的视觉特性比较接近，其中亮度表示颜色的明暗程度，主要受光源强弱影响；色调表示不同颜色，如红、绿、黄；而饱和度表示颜色的深浅如深红、浅红。显然，HSV空间要比RGB空间更直观，更容易接受。
9
河南理工大学毕业设计（论文）说明书
因此，为了更符合人眼的视觉特征，经常需要做颜色空间的转换，将RGB颜色空间转换为HSV颜色空间，转换公式如下：
r?g?RR?G?B
（2-1）
G（2-2）
R?G?B B（2-3） b?R?G?B
给定RGB颜色空间的值(r,g,b)，r、g、b?[0,1,...,255]，则转换到HSV空间的
h、s、v值计算如下：
设v??max(r,g,b)，定义r?,g?,b?为：
r??v??rv??gv??b,g??,b??（2-4）
???v?min(r,g,b)v?min(r,g,b)v?min(r,g,b)
则
?5?b??1?g????1?r?h'???3?b??3?g????5?r?r?max(r,g,b)且g?min(r,g,b)r?max(r,g,b)且g?min(r,g,b)g?max(r,g,b)且b?min(r,g,b)g?max(r,g,b)且b?min(r,g,b)b?max(r,g,b)且r?min(r,g,b)其它(2-5)
v?v' 255v'?min(r,g,b)s?
v'
（2-6）
h?60?h'
r'、g'、b'需要说明的是，在r?g?b时，即max(r,g,b)?min(r,g,b)的情况下，
没有意义，这时可定义：h?s?0，v?r/255。
在Matlab里面通过该指令[h,s,v] = rgb2hsv(Image);来进行RGB到HSV的空间转换。其中rgb2hsv是一个把rgb图像转化为hsv图像的函数，这两种图像都是索引图像。
2.1.2 颜色量化
颜色量化是图像工程中的一项基本而重要的技术，它是进行图像分割和对象提取的基础。自然界具有无限丰富的颜色，真彩色图像具有224种颜色，而在某些情况下（如图像检索、印染等），对颜色的数目有一定的限制。如何选取有代表性的
10
河南理工大学毕业设计（论文）说明书
若干种颜色，并把各种颜色都归并到这些代表色上，就是颜色量化需要解决的问题。
颜色量化的定义为确定一组颜色以代表图像的颜色空间，然后确定从颜色空间到选定颜色集合的映射。颜色量化技术一般可分为均匀和非均匀量化两类。
在均匀量化方法中，变量的范围被分为相等的空间。颜色空间的均匀量化比非均匀量化计算速度快，但是，量化后的颜色空间中的许多部分都是没用的，这是因为图像中可能不含有这些量化区间中的颜色。
在非均匀量化中，变量的范围被随即地剖分成一系列区间。通过采用基于图像统计的颜色查找表，可保证量化颜色空间中的每个区间都非空，从而使所显示的图像获得更好的视觉效果。
目前常用的颜色量化方法大体可分为分割算法和聚类算法两大类。代表性的分割算法有频度序列法、中值分裂发、八叉树法等，其基本思想是将图像中出现的频率最高的K种色彩作为调色板，然后将其余颜色按照最小距离准则映射到调色板中。聚类算法则先选择若干聚类中心，然后按某种准则对颜色进行迭代聚合，知道合适的分类为止。典型的有K均值聚类算法、模糊c均值聚类算法、学习向量法等。
2.1.3 颜色特征的提取方法
（1）颜色直方图
颜色直方图就是根据图像中每个像素出现在色彩空间的概率统计而成的，计算颜色直方图需要将颜色空间划分为若干个小的颜色区间，每个区间成为直方图的一个柄(bin)。然后，通过计算颜色落在每个小区间的像素数量可以得到颜色直方图。横坐标表示颜色的色彩的值，纵坐标表示每个小的颜色区间中所对应的图像像素的总和。它的优点就在于它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。颜色直方图是在许多图像检索系统中被广泛采用的颜色特征表示法。
在RGB颜色空间中，颜色直方图可以看成是一个离散函数，即
nH(k)?k,k?0,1,...,L?1（2-7）
n
其中，k表示图像的特征取值，L表示特征可取值的个数，nk表示图像中具体征值为k的像素个数，n表示图像像素的总个数。
11