基于颜色特征的图像检索技术

【摘 要】由于信息技术的飞速发展，用户对信息检索的质量要求也越来越高,特别是在图片检索方面，基于文本的图像检索技术（TBIR）已逐渐不能满足用户的需求。基于内容的图像检索技术（CBIR）开始被关注，CBIR技术检索的特征包括颜色特征、纹理特征、形状特征、空间位置关系等。本文介绍基于颜色特征的几种检索方法基本原理和实现过程。

【关键词】RGB；HSV；颜色百分比；颜色直方图

引言

颜色特征是彩色图像中最显著、最直观的视觉特征，也是在图像检索中使用最为广泛的低层特征层特征。颜色能够有效的表达图像的全局信息，因而被许多现有的图像检索系统所采用。目前绝大多数图像的格式都是以RGB形式表达的。在检索时，最常用的是比较符合人眼视觉特征的HSV空间，此外，还可以选择L*a*b*、HIS、YCrCb、CMYK等其他一些颜色空间。

1．颜色百分比

在一幅大小为M×N的图像中，某种颜色的像素占总的像素的比例。在图像中，不同的颜色比例会产生不同的效果。某几种颜色按一定的百分比混合可以组成新的颜色。颜色百分比也可以用于图像检索。在图像检索时，首先输入某几种颜色的百分比（如红色20%、绿色50%、蓝色30%），然后通过比较图像数据库中图像颜色百分比的距离来确定颜色百分比相似度，距离值越小就越相似，反之，则差别较大。

2．颜色直方图

颜色直方图是最常用的颜色特征表达方法，它表示图像中每一种颜色与其出现频率间的统计关系，适于描述那些难以进行自动分割的图像。颜色直方图可以基于不同颜色空间。如RGB、HSV、CMYK、L*a*b*、YUV、Ycc等颜色空间。

颜色直方图的计算：通常是统计各个颜色子空间像素的比例。可用如下公式表示。

Pi=ni/N，其中N为图像的总像素数，ni表示第i个颜色子空间的像素数，pi表示第i个颜色子空间出现的相对频数。比较颜色直方图的相似度可以用欧拉距离来衡量（p为图像库任意图像，q为查询目标，n为颜色子空间数）。

2．1 灰度直方图

灰度使用黑调表示物体。每个灰度对象都具有从0%（白色）到100%（黑色）的亮度值。从概率的观点来理解，灰度出现的频率可看作其出现的概率，这样直方图就对应于概率密度函数，而概率分布函数就是直方图的累积和，即概率密度函数的积分。

在RGB空间中，可以通过如下方法将其转换为灰度：

①浮点方法：；

②整数方法：；

③移位方法：；

④平均值法：；

⑤仅取绿色：；

通过上述任一种方法求得Gray后，将原来的RGB（R，G，B）中的R，G，B统一用 Gray替换，形成新的颜色RGB（Gray，Gray，Gray），用它替换原来的RGB（R，G，B），再按0~255统计每个灰度级数的像素数。

检索方法：通过公式Pi=ni/N计算出图像每个灰度级数的频度值，再运用相似度计算公式算出被检索图像与数据库中图像的相似度距离，按距离的从小到大顺序排列，距离越小越相似，反之，则差别较大。所得的结果如图1所示。

2．2 彩色直方图

彩色直方图是高维直方图的特例，它统计色彩的出现频率，即色彩的概率分布信息。通常这需要一定的量化过程，将色彩分成若干互不重叠的种类。

传统的彩色图像的直方图检索技术基于RGB空间。但研究发现，人的视觉对亮度的敏感程序远强于对颜色浓淡的敏感程度。为了便于色彩处理和识别，采用HSV色彩空间，HSV用色调、饱和度和亮度来描述色彩。如图2所示：

RGB空间到HSV空间转换：设RGB颜色空间值为（r，g，b），其中r，g，b∈[0~255]，由以下公式组得到HSV值（h，s，v），其中h∈[0~360]，s∈[0~1]，v∈[0~1]。RGB到HSV的转换公式如下所示（公式一）。

色调（H）、饱和度（S）、亮度（V）的变化可以用如下量化公式来表示（公式二）：

HSV直方图计算：通过公式可得一维特征矢量 ，其中表示饱和度的量化等级，表示亮度的量化等级。由上面的量化处理公式可知，=4，=4，。然后统计出每个子向量的象素数，最后运用频数计算公式得出直方图值。

检索过程：运用欧拉公式与图像库中任意图像进行匹配，所得的相似度距离接从小到大的顺序排列。检索结果如图3所示。

3．几种检索方法的检索结果对比

通过对上述几种方法在MALTAB开发环境中的实验结果进行查准率分析，可得查准率分析结果如下表所示：

通过对比结果可以看出，通常情况下，查全率越高，查准率就越低。灰度直方图虽然也能表达颜色特征，但由于所表达的颜色单一，无法反映准确的色彩变化，HSV彩色直方图解决了灰度直方图的不足，在查全率相同的情况下，查准率要高于灰度直方图。

4．结束语

颜色是一种重要的视觉信息属性，表现出相当强的鲁棒性，并且颜色特征计算简单，是现有检索系统中应用最广泛的特征之一。在未来的Internet搜索引擎中，图像检索将与搜索引擎结合起来，用于检索HTML网页中丰富的图像信息。

参考文献

[1] 吴成玉，邰晓英，赵杰煜.基于颜色特征的图像检索[J].计算机应用，2004，6（24）:136.

[2] 林克正，张彩华，刘丕娥.基于分块主颜色匹配的图像检索[J].计算机工程，2010，13（36）：187.

[3] 高扬，吕兴凤.基于内容的图像检索技术的研究与实现[J].信息技术，2007，5：96―97.

[4] 孙兆林.MATLAB 6.x图像处理.北京：清华大学出版社，2002.