图像基本特征-颜色 纹理 形状
转载
1 颜色特征
计算机视觉的特征提取算法研究至关重要。在一些算法中,一个高复杂度特征的提取可能能够解决问题(进行目标检测等目的),但这将以处理更多数据,需要更高的处理效果为代价。而颜色特征无需进行大量计算。只需将数字图像中的像素值进行相应转换,表现为数值即可。因此颜色特征以其低复杂度成为了一个较好的特征。
在图像处理中,我们可以将一个具体的像素点所呈现的颜色进行多种方法分析,并提取出其颜色特征分量。比如通过手工标记一个区域,用一个颜色空间三个分量各自的平均值表示该区域得颜色特征,或者可以建立三个颜色直方图等方法。下面我们介绍一下颜色直方图和颜色矩的概念。
1.1 颜色直方图
颜色直方图用以反映图像颜色的组成分布,即各种颜色出现的概率。首先分离颜色空间三个分量(RGB、HSV)得到颜色直方图,之后通过观察实验数据发现将图像进行旋转变换、缩放变换、模糊变换后图像的颜色直方图改变不大,即图像直方图对图像的物理变换是不敏感的。因此常提取颜色特征并用颜色直方图用于衡量和比较两幅图像的全局差。另外,如果图像可以分为多个区域,并且前景与背景颜色分布具有明显差异,则颜色直方图呈现双峰形。
颜色直方图也有其缺点:由于颜色直方图是全局颜色统计的结果,因此丢失了像素点间的位置特征。可能有几幅图像具有相同或相近的颜色直方图,但其图像像素位置分布完全不同。因此,图像与颜色直方图的多对一关系使得颜色直方图在识别前景物体上不能获得很好的效果。
考虑到颜色直方图的以上问题,主色调直方图便产生了。所谓主色调直方图基于假设少数几个像素的值能够表示图像中的绝大部分像素,即出现频率最高的几个像素被选为主色,仅用主色构成的主色调直方图描述一幅图像。这样的描述子并不会降低通过颜色特征进行匹配的效果,因为从某种角度将,频度出现很小的像素点可以被视为噪声。
1.2 颜色矩
颜色矩就是将图像中的颜色分布用其矩表示。利用颜色一阶矩(平均值Average)、颜色二阶矩(方差Variance)和颜色三阶矩(偏斜度Skewness)来描述颜色分布。与颜色直方图不同,利用颜色矩进行图像描述无需量化图像特征。由于每个像素具有颜色空间的三个颜色通道,因此图像的颜色矩有9个分量来描述。由于颜色矩的维度较少,因此常将颜色矩与其他图像特征综合使用。
1.3 颜色集
以上两种方法通常用于两幅图像间全局或region之间的颜色比较、匹配等,而颜色集的方法致力于实现基于颜色实现对大规模图像的检索。颜色集的方法由Smith和Chang提出[42],该方法将颜色转化到HSV颜色空间后,将图像根据其颜色信息进行图像分割成若干region,并将颜色分为多个bin,每个region进行颜色空间量化建立颜色索引,进而建立二进制图像颜色索引表。为加快查找速度,还可以构造二分查找树进行特征检索。
2 纹理特征
一幅图像的纹理是在图像计算中经过量化的图像特征。图像纹理描述图像或其中小块区域的空间颜色分布和光强分布。纹理特征的提取分为基于结构的方法和基于统计数据的方法。一个基于结构的纹理特征提取方法是将所要检测的纹理进行建模,在图像中搜索重复的模式。该方法对人工合成的纹理识别效果较好。但对于交通图像中的纹理识别,基于统计数据的方法效果更好。
2.1 灰度共生矩阵
统计方法的典型代表是一种称为灰度共生矩阵的纹理特征分析方法Gotlieb 和 Kreyszig 等人在研究共生矩阵中各种统计特征基础上,通过实验,得出灰度共生矩阵的四个关键特征:能量、惯量、熵和相关性。
2.2 LBP特征
3 形状特征
特点:
各种基于形状特征的检索方法都可以比较有效地利用图像中感兴趣的目标来进行检索,但它们也有一些共同的问题,包括:①目前基于形状的检索方法还缺乏比较完善的数学模型;②如果目标有变形时检索结果往往不太可靠;③许多形状特征仅描述了目标局部的性质,要全面描述目标常对计算时间和存储量有较高的要求;④许多形状特征所反映的目标形状信息与人的直观感觉不完全一致,或者说,特征空间的相似性与人视觉系统感受到的相似性有差别。另外,从 2-D 图像中表现的 3-D 物体实际上只是物体在空间某一平面的投影,从 2-D 图像中反映出来的形状常不是 3-D 物体真实的形状,由于视点的变化,可能会产生各种失真。
形状特征描述方法:
通常情况下,形状特征有两类表示方法,一类是轮廓特征,另一类是区域特征。图像的轮廓特征主要针对物体的外边界,而图像的区域特征则关系到整个形状区域。
Hough变换
边缘方向直方图
傅里叶形状描述符法
几何参数法
形状不变矩法
图像基本特征-颜色 纹理 形状相关推荐
- 常用的图像特征颜色特征、纹理特征、形状特征、空间关系特征
http://www.360doc.com/content/10/0601/10/1412027_30625801.shtml 常用的图像特征有颜色特征.纹理特征.形状特征.空间关系特征. 一 颜色特 ...
- 颜色,形状,纹理特征
FROM:http://blog.sina.com.cn/s/blog_661159d50100kij7.html References 1. MPEG-7 overview(http:/ ...
- 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。
常用的图像特征有颜色特征.纹理特征.形状特征.空间关系特征. 一 颜色特征 (一)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.一般颜色特征是基于像素点的特征,此时所有属于 ...
- java识别图片中的图形形状_基于Java+OpenCV技术对几何图像颜色与形状识别
基于 Java+OpenCV 技术对几何图像颜色与形状识别 杨思阳 黄军 吴春秋 (黔东南民族职业技术学院,贵州 凯里 556000) [摘 要] 通过 Java 调用 OpenCV 视觉库实现几何图 ...
- Word控件Spire.Doc 【图像形状】教程(11): 如何在 C# 中为 Word 中的图像设置 Transeperant 颜色
Spire.Doc for .NET是一款专门对 Word 文档进行操作的 .NET 类库.在于帮助开发人员无需安装 Microsoft Word情况下,轻松快捷高效地创建.编辑.转换和打印 Micr ...
- 【opencv】(1) 基础操作:图像视频读取、图像截取、颜色通道
主要内容有:图像及视频的读取和保存.图像显示.转换灰度图.图像截取.颜色通道提取和组合 那我们开始吧. 1. 图像操作 首先我们导入opencv库,彩色图像一般都是由RGB(红绿蓝)三颜色通道构成,灰 ...
- CV:cv2实现检测几何形状并进行识别、输出周长、面积、颜色、形状类型
CV:cv2实现检测几何形状并进行识别.输出周长.面积.颜色.形状类型 目录 输出结果 实现代码 输出结果 实现代码 # -*- coding: utf-8 -*-#OpenCV实现检测几何形状并进行 ...
- Python+Opencv颜色和形状检测
目录 一.场景需求解读 二.算法原理简介 三.算法实现步骤 四.算法代码实现 五.算法效果展示与分析 参考资料 注意事项 一.场景需求解读 现实场景中,我们有时需要自动的检测出图片中目标的颜色和其 ...
- Ubuntu16.04下基于opencv--实现图像SIFT特征与全景图片的生成
Ubuntu16.04下基于opencv--实现图像SIFT特征与全景图片的生成 一. 理解和实践SIFT特征提取与匹配 二. 全景图片的生成 三.循环依次读取一个序列图片,进行匹配连线 一. 理解和 ...
最新文章
- mysql三次握手_一文彻底搞懂 TCP三次握手、四次挥手过程及原理
- R语言dplyr包和tidyr包创建交叉表(列联表、crosstab)实战
- JAVA移慎_谨慎使用Java8的默认方法
- boost::intrusive::pointer_traits用法的测试程序
- docker php 安装swoole,swoole(1)使用docker安装swoole环境
- vue旋转图片功能,旋转放大图片功能;vue旋转放大div元素
- Permutations II
- WinForm窗体错误控件
- python制作印刷体数据集:数字符号数据集(字符串转图片)
- CAD绘图工具AutoCAD 2022 for Mac
- 2018美赛C题翻译加原文
- elasticsearch怎么实现拼音首字母查询
- 信息学奥赛一本通 铲雪车
- 计算机的硬盘u盘属于什么,移动硬盘和机械硬盘有什么区别?
- 杨浦区双创小巨人、科技小巨人申请条件及奖励政策
- Android流媒体直播第三方库,Android——直播推流SDK
- 计算机回收站设置大小,电脑回收站无法调整容量的大小怎么办?
- GAE 博客——B3log Solo 0.2.1 发布了!
- 2021年必会的3个Kubernetes工具
- 胡搞瞎搞JScript记(用JScript代替批处理文件)