电脑编程技巧与维护 基于ＨＳＶ颜色特征图像检索算法在Ｍａｔｌａｂ中的实现 王彦林 （武汉商学院信息工程系，武汉４３００５６） 摘要：在分析基于颜色特征的图像检索算法基础上，并实现了基于ＨＳＶ颜色特征图像检索算法，实验证明，该算 法的有效性和实用性。 关键词：图像检索；颜色特征；ＨＳＶ颜色 Ｔｈｅ Ｉｍｐｌｅｍｅｎｔ ｏｆ Ｉｍａｇｅ Ｒｅｔｒｉｅｖａｌ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ ＨＳＶ ｉｎ Ｍａｔｌａｂ ＷＡＮＧ Ｙａｎ－ｌｉｎ （Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｗｕｈａｎ Ｂｕｓｉｎｅｓｓ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ ４３００５６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｉｍａｇｅ ｒｅｔｒｉｅｖａｌ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ＨＳＶ ｉｓ ｉｍｐｌｅｍｅｎｔｅｄ ｂｙ ａｎａｌｙｚｉｎｇ ｉｍａｇｅ ｒｅｔｒｉｅｖａｌ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｃｏｌ— ｏｒ ｆｅａｔｕｒｅ．Ｅｘｐｅｒｉｍｅｎｔ ｈａｓ ｉｌｌｕｓｔｒａｔｅｄ ｔｈｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ａｎｄ ｐｒａｃｔｉｃａｌｉｔｙ ｏｆ ｔｈｅ ａｌｇｏｒｉｔｈｍ． Ｋｅｙ ｗｏｒｄｓ：ｉｍａｇｅ ｒｅｔｒｉｅｖａｌ；ｃｏｌｏｒ ｆｅａｔｕｒｅ；ＨＳＶ ｃｏｌｏｒ １ 图像检索算法研究现状 随着科技的不断进步和多媒体技术的不断发展．以图 片、图表、动画和视频为主要形式的数字多媒体的数据量日 益庞大。尤其是在科学计算、可视化、工程制图及其他众多 图像的检索，而且无需人工标注，计算机自动分析检索，节 省大量的人力和物力。 基于内容的图像检索算法根据图像特征的类型，可以分 为基于色彩特征的图像检索算法、基于纹理特征的图像检索 领域如图字图书馆、知识产权保护、医疗图像管理、交通检 测、ＧＩＳ等领域，每天都有数据量惊人的图像信息在不断地 产生与更新。另外，伴随网络技术不断地深人人们的日常工 算法、基于形状特征的图像检索算法和基于空间关系的图像 检索算法。主要研究基于色彩特征的图像检索算法，并根据 其原理，用Ｍａｌｆａｂ实现了基于ＨＳＶ色彩特征的图像检索算 法，实验证明，该算法的正确性和有效性。 作、生活、娱乐等活动，网络上传输的数字图像信息也正以 指数级增长。这些数字图像信息在网络站点上是无序的、无 索引的，在这种环境下查询相关数字图像资料时非常耗时． ２基于色彩特征的图像检索算法 色彩是反映了对象的一种视觉特性，每种物体都有其特 有的色彩特征，譬如绿色往往与树木、草原相关，而同一类 物体往往有着相似的色彩特征。因此可以根据色彩特征来区 分图像。使用色彩特征来检索图像可追溯到Ｓｗａｉｎ和Ｂａｌｌａｒｄ 提出的色彩直方图的方法日。由于色彩直方图具有简单且随图 因此，人们迫切需要一种有效的图像信息检索工具来满足检 索需求。 传统的图像检索技术是基于文本索引的图像检索，它通 过用文本描述图像，然后在这些图像文本标注基础上应用成 熟的文本搜索算法，为用户搜索预期的图像。虽然检索比较 准确而且速度很快．但是随着图像数据库规模的不断增大。 这种检索消耗的时间也大大增加。另外，人工标注具有强烈 的主观性和不确定性。不同用户对同一图像的理解有时具有 很大的差异，进而使得文本标注具有很大的差异性，直接导 致搜索的不正确性。鉴于上述因素，人们提出了一种新的图 像检索技术一基于图像内容的检索ＣＢＩＲ（ｃｏｎｔｅｎｔｅｄ—ｂａｓｅｄ ｉｍ． ａｇｅ ｒｅｔｒｉｅｖａ１）。 像的大小、旋转变化不敏感等特点，得到了研究人员的广泛 关注．归纳起来主要可分为两类：全局色彩特征索引和局部 色彩特征索引。前者考虑全局颜色分布，它通过计算图像中 每种颜色的像素个数并构造颜色灰度直方图来实现，后者考 虑局部相似的颜色区域，它通过颜色分类与一些几何特性． 如颜色集合（ｃｏｌｏｒ ｓｅｔ）等来抽取局部颜色信息并建立相应的 有效索引。文中实现的算法利用全局色彩特征来建立索引． 通过指明一幅示例图像，与图像库中各图像的颜色直方图进 行相似性匹配查询。 基于内容的图像检索是指根据图像对象的内容及上下文 联系在大规模多媒体数据库中进行检索＿Ｊ１。它的研究目标是提 供在没有人类参与的情况下能自动识别或理解图像重要特征 如何选取合适的颜色特征，如何进行有效的特征抽取决 定了检索算法的相似性比较和检索效果。所以选择合适的颜 色模型是算法实现中首要面对的问题。算法实现时常用的颜 色模型主要有面向硬件的ＲＧＢ模型和面各人类视觉的ＨＳＶ模 的算法。这里的特征主要是指图像的颜色、纹理、形状、空 间关系等。基于内容的图像检索算法主要思想是：首先以图 像对象的某种图像特征为索引，计算查询图像和目标图像的 相似距离，然后按相似度匹配进行检索，最后根据相似度的 作者简介：王彦林（１９８３一），女，讲师，硕士，研究方向： 图像分析与识别、虚拟现实、视频分析。 值将结果按照相似程度由大到小排列。与传统的基于文本的 图像检索相比，在具有图像检索功能的同时，还能完成海量 ２０１３ 收稿日期：２０１３—０５—０８ 电奠壤程 与雏 技巧与雏护 －黪 ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ ＡＮＤ ＩＤＥＮＴＩＦＩＣＡＴＩＯＮ ＴＥＣＨＮＩＱＵＥＳ 型。在ＲＧＢ模型中，所有颜色都可看作红（Ｒ，ｒｅｄ），绿（Ｇ， ｇｒｅｅｎ）和蓝（Ｂ，ｂｌｕｅ）的３种颜色的不同组合，各原色分成０ 到２５５共２５６个等级脚。ＲＧＢ颜色模型所覆盖的颜色域取决于 显示设备荧光点的颜色特征，是与硬件相关的。在显示屏上 显示颜色定义时．往往采用这种模式。图像如用于电视、幻 灯片、网络、多媒体．一般使用ＲＧＢ模式。ＨＳＶ模型是一种 符合人类视觉感知特征的颜色空间，特别适合于人类肉眼对 颜色的识别Ｈ，它把彩色信号表示为３种属性：色调Ｈ（Ｈｕｅ）、 人工智能及识别技术 ４＋．ｓ￥４＋ 合成为特征向量，其中Ｌ∈ Ｖ分量使用Ｌ ［０，２５５］。统计Ｌ中各元素出现的次数Ｐ（ｋ），ｋ－－Ｏ，１…２５５。在 Ｍａｆｌａｂ中，使用如下两条代码完成次数统计：Ａ＝ｒｅｓｈａｐｅ（Ｌ，１， Ｍ Ｎ）；ｃｏｕｎｔ＝ｈｉｓｔ（Ｌ，ｕｎｉｑｕｅ（Ａ））；第一条语句将ＭｘＮ数组转化 为ｌ×（ Ⅳ）数组，第二条语名统计一组数组中各元素出现 次数。 设７１Ｄ、 分别表示检索图像与被检索图像的统计直方图， 采用欧氏距离法比较两个图像的差异，在Ｍａｔｌａｂ中，相似度 饱和度Ｓ（Ｓａｔｕｒａｔｉｏｎ）和亮度Ｖ（ｖａｌｕｅ）。 ＲＧＢ彩色模型被广泛应用于ＣＲＴ设备显示彩色图像，但 它并不是一个均匀视觉的颜色空间，不符合人对颜色的感知 计算源代码如下： ｄｉｆｆ＝Ｔ０－Ｔ； ＥｕｌｅｒＤｉｓｔａｎｃｅ＝ｓｑｒｔ（ｓｕｍ（ｄｉｆｆ． ｄｉｆｆ））； 心理．并且，ＲＧＢ颜色空间上的距离并不代表人眼视觉上的 颜色知觉差异。因此，本文算法在对彩色图像进行特征提取 时．采用ＨＳＶ模型来描述数字图像，进而通过数量来描述颜 色的差别。 ３ Ｍａｔｌａｂ中基于ＨＳＶ颜色特征图像检索算法 基于ＨＳＶ颜色特征的图像检索算法描述如下： Ｓｔｅｐ１：读示例图像信息，并将图像转换为ＨＳＶ模式； Ｓｔｅｐ２：将示例图像ＨＳＶ空间进行非等间隔量化； Ｓｔｅｐ３：计算示例图像的统计直方图信息； ＳｔｅＤ４：按照Ｓｔｅｐｌ～３方法循环计算图像库中各图像的统 计直方图； Ｓｔｅｐ５：利用统计直方图的欧氏距离分别计算示例图像与 图像库中图像的相似度； Ｓｔｅｐ６：按照相似度由大到小顺序显示检索出的图像。 上述算法中，ＨＳＶ空间进行量化方法如下：设Ｃ（ｘ，ｙ）为 ＲＧＢ空问中大小为ＭｘＮ的彩色图像，其中，Ｍ、Ｎ为图像Ｃ （ｘ，Ｙ）垂直和水平方向上的像素数目。利用Ｍａｔｌａｂ中的［ｈ，ｓ， ｖ】＝ｒｇｂ２ｈｓｖ（Ｃ）函数将ＲＧＢ彩色空间转换为ＨＳＶ空间，并 将Ｈ、Ｓ、Ｖ分别存放在二维数组ｈ、Ｓ、ｖ中。将取值范围为 【０，３６０】、 【０，１】、 ［０，１】的Ｈ、Ｓ、Ｖ分量分别量化为１６ 等级、４等级、４等级。以Ｖ分量为例，在ＭａⅡａｂ中量化的源 代码如下： ｆｏｒ ｉ＝ｌ：Ｍ ｆｏｒｊ＝Ｉ：Ｎ ｉｆＶ Ｏｊ）＜－－０．１５＆＆ｖ ｆｉｊ）＞０ Ｖ（ｉｊ）＝０； ｅｎｄ ｉｆ ｖ（ｉｊ）＜－－０．４＆＆ｖ（ｉｊ）＞０．１５ Ｖ（ｉ’ｊ）＝ｌ； ｅｎｄ ｉｆ ｖ（ｉ＇ｊ）＜－－０．７５＆＆ｖ（ｉＪ）＞０．４ Ｖ Ｏｊ）＝２： ｅｎｄ ｉｆ ｖ（ｉｊ）＜＝ｌ＆＆ｖ（ｉｊ）＞０．７５ Ｖ（ｉＪ）＝３； ｅｎｄ ｅｎｄ ｅｎｄ 在进行统计直方图计算与绘制前，需将量化后的Ｈ、Ｓ、 Ｗ（ｋ）＝ＥｕｌｅｒＤｉｓｔａｎｃｅ； ４结语 所实现的基于ＨＳＶ颜色特征图像检索算法使用全局颜色 特征来进行检索，描述了图像或图像区域所对应景物的表面 性质，该算法对于旋转、平移、尺度变化都不敏感，表现出 很强的鲁棒性，并且颜色特征计算简单，使该算法在图像检 索领域中具有很强的适用性。然而颜色的统计直方图存在一 定的缺陷，比如，同样的一个对象在不同的背景中得到的两 幅图片，它们的颜色直方图可能有很大的差别，在计算相似 度肘认为不相似（特别是对象在图像中所占的比例很少时）， 所以如何选择合适的直方图和相似度的计算法将是今后研究 的重点。 参考文献 『１１李向阳，庄越挺，潘云鹤．基于内容的图像检索技术与 系统．计算机研究与发展［Ｊ１．２００１，３８（３）：３４４—３５４． 【２】Ｓｗａｉｎ Ｍ Ｊ，Ｂａｌｌａｒｄ Ｄ ｔｉ．Ｃｏｌｏｒ ｉｎｄｅｘｉｎｇ．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ，１９９１，７ ｆ１）：１１３２． 【３］曹奎，冯玉才，曹忠升．基于颜色和形状特征的彩色图像 表示与检索技术【Ｊ】．计算机辅助设计与图形学学报， ２００１，１３（１０）：９０６－９１１． ｆ４］孙即祥，王晓华，钟山，等．模式识别中特征提取与计算 机视学不变量［Ｍ】．北京：国防工业出版社，２００１． 撬
