基于颜色和纹理的图像检索算法研究硕士研究生学位论文.doc

《基于颜色和纹理的图像检索算法研究硕士研究生学位论文.doc》由会员分享，可在线阅读，更多相关《基于颜色和纹理的图像检索算法研究硕士研究生学位论文.doc（65页珍藏版）》请在三一办公上搜索。

1、学科门类： 工学 分类号： TP393 单位代码： 10293 密 级： 硕 士 学 位 论 文 论文题目：颜色和纹理特征相结合的图像检索算法研究 南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名：_ 日期：_南京邮电大学学位论文使用授权声明南京邮电大学、中国科学技术信息研究所、国家图书馆有

2、权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其它复制手段保存论文。本文电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权南京邮电大学研究生部办理。研究生签名：_ 导师签名：_ 日期：_南 京 邮 电 大 学硕士学位论文摘要学科、专业：工学 计算机应用技术研 究 方 向： 计算机在通信中的应用 作 者： 2006级研究生 徐林 指导教师：王绍棣 教授题 目：颜色与纹理特征相结合的图像检索算法研究英文题目：Research on Color-based and Texture

3、-based Image Retrieval Algorithm主题词：基于内容的图像检索，颜色直方图，Gabor滤波，相似性度量Keywords: CBIR, Color Histogram, Gabor filter, Similarity Measuring摘要随着互联网的发展，各种图像信息日益丰富，基于内容的图像检索成为一个热门的研究课题。本文在大量基于内容的图像检索文献的基础上，对基于颜色和纹理的图像检索进行了研究，并对用颜色、纹理及两者相结合的方式进行图像检索的算法进行了实验。本文的主要工作如下：(1) 在基于颜色特征的检索方面，本文从Tahoun算法得到启发，提出了HSV空间分量

4、距离综合算法。该算法选择HSV颜色空间，首先采用非等间隔量化的方法对示例图像中的像素进行量化，然后分别求出HSV颜色空间的三个分量的直方图，接着分别计算三个分量的直方图与图像库中的图像对应分量的直方图间的曼哈顿距离，得到两幅图像对应分量间的距离，即H分量间的距离、S分量间的距离和V分量间的距离，最后提出引入HSV颜色空间非等间隔量化后构造特征矢量的公式，用来计算两幅图像之间最终的距离。实验表明，该算法在保持Tahoun算法较低的量化bin数的基础上，对于光照强度的变化具有更好的鲁棒性，同时该算法可以有效降低主色与示例图像有较大差异的图像对检索结果的干扰，对于实验中使用的图像库，提高了检索的查全

5、率。(2) 在基于纹理特征的检索方面，本文提出了Gabor滤波结合图像锐化算法。该算法在Gabor滤波之前，加入了图像锐化的步骤。本文通过实验，比较了Gabor滤波选取不同参数时的检索效果，以及不同锐化算子跟Gabor滤波结合时的检索效果。实验表明，使用Gabor滤波结合图像锐化算法检索的结果与直接使用Gabor滤波算法检索的结果相比，相关图像排列更加靠前，同时，使用Gabor滤波结合图像锐化算法检索的结果中前15幅图像中，不相关图像从视觉上更接近示例图像。特别是Sobel锐化算子跟Gabor滤波结合提取纹理时，能够取得最好的检索效果。(3) 本文综合运用HSV空间分量距离综合算法和Gabor

6、滤波结合图像锐化算法，同时应用基于区域的特征提取技术，建立了基于颜色和纹理的图像检索实验系统，通过实验确定了进行综合特征检索时，颜色特征和纹理特征的参考权重。对于实验中使用的图像库，采用实验得到的颜色特征和纹理特征的参考权重，能够取得较好的检索效果。关键词：基于内容的图像检索，颜色直方图，Gabor滤波，相似性度量AbstractWith rapid development of Internet, there are more and more image information, so Content-based image retrieval becomes a hot research

7、 field. This paper researches on color-based and texture-based image retrieval based on plenty of materials. Meanwhile, this paper also does some experiments on the color-based and texture-based image retrieve algorithms proposed. The main contributions of this paper are as follows:In color-based im

8、age retrieval field, the algorithm in this paper chooses HSV color space. First, nonuniform quantization is used to quantize the pixels in the image. Second, three histograms of the three components of HSV color space are calculated, and the distances between histograms of corresponding components o

9、f two images are calculated separately by Manhattan distance. Finally, this paper introduces the formula which is used to integrated three components of HSV as one-dimension vector to calculate the distance of images. Experiments show that the algorithm not only keeps low number of bins when quantif

10、ying but also has good robustness to change of illumination. To the image library used in the experiment, the algorithm can obtain better recall. In texture-based image retrieval field, this paper presents an algorithm which combines image sharpening and Gabor filter. This paper compares the retriev

11、al effectiveness of Gabor filter with different parameters and the retrieval effectiveness of Gabor filter combined with different sharpening operators. Experiment shows that Gabor filter combined with Sobel sharpening operator can produce best retrieval result. In the retrieval result adopts Gabor

12、filter combined with sharpening operator, related images can rank higher, compared to the retrieval result adopts Gabor filter only.This paper also combines image segment algorithm, and establishes an experiment retrieval system. Some implement detail is considered. The weights of color feature and

13、texture feature are decided by the experiment system. Experiment shows that the system can obtain good retrieval result using the weight decided.Keywords: CBIR, Color Histogram, Gabor filter, Similarity Measuring目录摘要IAbstractII第一章 绪论11.1 研究背景11.2 本文主要的工作及创新点31.3 本文的组织结构5第二章 相关原理及技术介绍62.1 颜色空间62.1.1

14、RGB颜色空间62.1.2 HSV颜色空间72.1.3 颜色空间的量化82.2 图像锐化102.2.1 灰度化102.2.2 边缘的定义112.2.3 常用的图像锐化算子122.3 结合区域的特征提取方法132.4 相似性的度量142.5 检索性能评价指标162.6 本章小结17第三章 HSV空间分量距离综合算法183.1 常用的颜色检索算法183.1.1 颜色直方图相交183.1.2 Tahoun算法193.2 HSV空间分量距离综合算法213.2.1 算法描述213.2.2 实验结果及分析223.3 本章小结29第四章 Gabor滤波结合图像锐化算法304.1 常用的纹理特征的提取方法30

15、4.1.1 灰度共生矩阵及其相关方法304.1.2 Gabor滤波324.2 Gabor滤波结合图像锐化算法334.2.1 算法描述334.2.2 实验结果及分析354.3 本章小结42第五章 基于颜色和纹理的综合检索实验系统435.1 图像尺寸的规范化435.2 基于区域的特征提取435.3 预处理445.4 颜色特征和纹理特征的权值确定445.5 检索算法的稳定性495.6 本章小结50第六章 总结与展望51致谢53参考文献54图索引57表索引58作者在硕士研究生期间发表论文情况59第一章 绪论1.1 研究背景近年来，随着计算机技术的高速发展和数字图像设备的普及应用，各种专业的数字图像库不

16、断增大，覆盖了军事、医学、工业制造、新闻传媒、社会生活等各个领域。而且随着时间的推移，数字图像数据库急剧地扩大，如何对图像进行高效查询就成为人们对图像数据库进行有效管理的问题之一。最初的图像检索方法利用传统的文本检索技术，为图像做出文字化的注释，以诠释图像的内容。这种技术的特点是简单、易于理解，但是其存在几个根本的问题难以解决：首先，随着图像、视频数据的不断增加，内容不断丰富，很难用文字标签来准确地表达其含义，同时对其进行注释的工作量也是非常巨大的。其次，传统的图像注释多采用手工完成，图像注释是由观察者决定的，因此受主观因素影响很大，不同的观察者或同一观察者在不同条件下，对同一幅图像可能做出不

17、同的描述。最后，对不同的应用需求，可能需要对图像、视频进行不同的描述，这就需要对整个数据库中的数据进行重新处理，更新文字标签，因此这种方法只适用于特定的查询要求，不能满足不同用户的需求。由于传统的基于文本的图像检索方法的种种弊端，使得它在很多情况下无法满足实际需求。而人们也逐渐意识到对图像信息的检索必须依赖于图像本身所包含的内容。所以研究基于内容的图像检索技术的人越来越多。20世纪90年代以来，基于内容的图像检索(Content Based Image Retrieval, CBIR) 技术的研究和应用得到了长足的发展，被应用于很多领域。基于内容的图像检索利用图像的颜色、形状、纹理、对象的空间

18、关系等基本视觉特征进行检索，这些特征都是客观独立地存在于图像中的。因此，这种图像检索技术的主要特点是利用图像本身包含的客观视觉特性，不需要人为干预和解释，能够通过计算机自动实现对图像特征的提取和存储等。在实际操作中，基于内容的图像检索技术还可以通过相关的反馈技术，把用户纳入检索链中，使检索系统具有自学习能力，进一步提高检索查准率。随着基于内容的图像检索技术的发展，各种图像检索系统相继问世。著名的系统包括：IBM公司的QBIC(Query By Image Content)系统，Virage公司的VIR工程系统等。下面分别介绍：(1) QBIC系统IBM公司研究开发的QBIC()系统，是最早推出

19、的商品化且比较成功的图像检索系统，其支持基于子图像、用户构造的草图、选择的颜色以及纹理等的查询方式。QBIC中使用的颜色特征有(R，G，B)、(Y，I，Q)、(L，a，b)和MTM(Munsell数学变换)坐标及K个元素的颜色直方图，它采用的纹理表示方法是Tamura提出的纹理表示方法的一种改进，即粗糙度、对比度和方向的结合。它的形状特征包括面积、圆形度、偏心度、主轴偏向和一组代数矩不变量。QBIC是少数几个考虑了高维特征索引的系统之一。在它的索引系统中，首先使用了KLT变换，减少维数并采用R树为多维索引结构。(2) VIR图像工程系统Virage公司的VIR图像工程系统()，它具有独立性及附

20、属性。它的核心技术是VirageEngine和在图像对象层上的操作。VirageEngine具有图像分析、图像比较和图像管理功能。它将查询引擎作为一个插件，它既可应用到通用的图像查询，也可以应用到特定的领域。(3) ImageRover系统ImageRover系统()，可以按照分类主题进行浏览，也可以执行关键词搜索。在利用关键词进行搜索时，要在页面标题、目录文件名或者指向图像文件的链接中查找所要查找的词汇。该引擎具有模糊查找功能，与关键词相似的也能查找出来。在可视搜索中，用户可以进行颜色、纹理、形状以及与用户的示例图像相类似的图像组合的搜索，搜索结果显示的是简图和文本。(4) MARS系统美国

21、伊利诺斯大学的MARS系统(Multimedia Analysis and Retrieval System)，它的重点不在于寻找单个的最佳特征表示，而在于如何将图像不同的外观特征组织成有意义的检索体系，以动态适应不同的用户及应用场合。MARS系统是正式提出相关反馈方法的系统，它将相关反馈技术集成到检索的不同层次过程中，使用不同的特征和不同的相似性度量准则比较示例图像和图像库中图像的相似性，以达到图像检索匹配的目的。其它有代表性的还有浙江大学计算机系研究的基于颜色的检索系统PhotoNavigator和基于形状的检索系统PhotoEngine、清华大学的Internet上静态图像原型检索系统等

22、。这些系统的框架和查询的处理过程都很相似，只是采用的特征和搜索方法各具特色，性能也互有差异。随着一些基于内容的图像检索系统的问世，基于内容的图像检索的算法也越来越多，主要分为下面几个方面：(1) 基于颜色特征的图像检索算法近年来出现了许多新的颜色聚类算法和一些新的度量颜色相似性的方法。Wu提出了基于平均偏移聚类算法的新的聚类算法，该算法可以用来提取Lab颜色空间中的主色，缩短了检索的时间。Pun提出了基于颜色聚类的直方图计算方法，削弱了量化间隔对直方图的影响。Zhang提出了一种对颜色聚类矢量的量化方法，改善了检索效果。Tahoun提出对RGB颜色空间的三个分量分别进行量化，并用灰度化公式计算

23、图像相似性的算法，降低了量化的bin数，提高了检索的速度。(2) 基于纹理特征的图像检索算法近年来小波变换和Gabor滤波被广泛应用于基于纹理特征的图像检索。Wang使用双树复小波变换提取纹理特征，取得了比离散小波变换更好的检索效果。Zhang提出了在小波域使用独立组件分析的纹理提取算法，克服了不同子带小波系数的相关性对检索的影响。Zhang提出了将Gabor滤波和模糊集理论结合的算法来度量图像的相似性，该方法对医学图像具有较好的检索效果。Yao和Zhang分别将灰度共生矩阵和不同的图像锐化算子进行结合，进行图像纹理特征的提取，他们的算法具有较好的鲁棒性，并且提高了检索的平均查全率。(3) 基

24、于形状特征的图像检索算法形状特征较多被应用于商标检索这类比较抽象的图像的检索。Shahabi提出了基于最小外接圆的形状特征提取算法，在不降低查全率的情况下，提高了检索的速度，降低了检索需要的存储空间。Lin提出了成对几何直方图的新方法，将图像轮廓线段间的角度和距离作为图像的特征，该算法具有较好的鲁棒性和可以接受的速度，并可以应用于网络检索中。Li提出了使用泽尔尼克矩结合区域的形状特征的提取方法，该算法对平移、旋转和尺度变化具有较好的不变性，同时对噪声也不敏感。Mocanu对5种典型的基于形状的图像检索算法进行了实验比较，最后发现质心-半径法在查全率、处理时间和比较时间等性能上都是最优的。1.2

25、 本文主要的工作及创新点本文在分析和总结国内外相关研究工作的基础上，针对图像的颜色和纹理特征的提取和相似性度量进行了深入研究，提出了HSV空间分量距离综合算法和Gabor滤波结合图像锐化算法，并通过实验与一些现有的方法进行了比较。实验表明，这些方法改善了检索的效果。本文主要的工作如下：(1) 在基于图像颜色特征的检索方面，本文从Tahoun算法得到启发，提出了HSV空间分量距离综合算法，并与Tahoun算法进行了比较。该算法将HSV颜色空间下，颜色非等间隔量化后，构造特征矢量的公式(公式(2.6)应用于图像颜色特征的相似性度量。实验表明，HSV空间分量距离综合算法在保持Tahoun算法较低的量

26、化bin数的基础上，增强了对光照变化的鲁棒性，同时，可以有效降低主色与示例图像相差较大的图像对检索结果的干扰，对于实验使用的图像库，提高了平均查全率，并且对于剪切、旋转、模糊、锐化等变换具有一定的鲁棒性。(2) 在基于图像纹理特征的检索方面，提出了Gabor滤波结合图像锐化算法，并与单独使用Gabor滤波进行纹理特征提取的方法进行了比较。该算法将Gabor滤波跟图像锐化技术结合起来提取图像的纹理特征。实验表明，使用Gabor滤波结合图像锐化算法检索的结果与单独使用Gabor滤波算法检索的结果相比，相关图像排列更加靠前，同时，使用Gabor滤波结合图像锐化算法检索的结果中，序号靠前的不相关图像从

27、视觉上更接近示例图像。特别是Sobel锐化算子跟Gabor滤波结合提取纹理时，能够取得最好的检索效果。(3) 使用本文提出的HSV空间分量距离综合算法和Gabor滤波结合图像锐化算法，综合运用基于区域的特征提取技术，建立了基于颜色和纹理的图像检索实验系统，通过实验确定了颜色特征和纹理特征在检索时所占的参考权重。对于实验中使用的图像库，采用实验确定的颜色特征和纹理特征的参考权重，能够取得较好的检索效果。本文的创新点可以归结为以下两点：(1) 在基于颜色特征的检索方面，针对Tahoun算法的不足，提出了将HSV颜色空间下提取颜色特征时，构造特征矢量的公式(公式(2.6)应用于图像颜色特征的相似性度

28、量的HSV空间分量距离综合算法。该算法与Tahoun算法相比，增强了对光照变化的鲁棒性，并且可以有效降低主色与示例图像相差较大的图像对检索结果的干扰，对于实验中使用的图像库，提高了检索的查全率。(2) 在基于纹理特征的检索方面，提出了将Gabor滤波跟图像锐化相结合进行纹理特征提取的Gabor滤波结合图像锐化算法。对于实验中使用的图像库，该算法提高了检索的查全率。1.3 本文的组织结构本文共分六章，其组织结构如下：第一章为绪论，主要介绍了本文的研究背景与基于内容图像检索的研究现状以及本文的主要工作和创新点。第二章为相关理论的介绍，主要介绍了图像的颜色空间模型、图像锐化、结合区域的特征提取方法、

29、相似性度量和性能评价方法。第三章为基于颜色的图像检索算法，主要介绍了对图像中的颜色特征进行提取的方法，同时在Tahoun算法的基础上，提出了HSV空间分量距离综合算法，并通过实验证明了该算法对于光照强度的变化具有一定的鲁棒性，并与Tahoun算法进行了对比实验。第四章为基于纹理的图像检索算法，主要介绍了对图像中的纹理信息进行提取的方法，同时在Gabor滤波算法的基础上，提出了Gabor滤波结合图像锐化算法，并将Gabor滤波结合图像锐化算法的检索结果与单独使用Gabor滤波算法的检索结果进行了对比实验。第五章描述了建立基于颜色和纹理特征的检索系统时，需要注意的其他一些细节。并通过实验确定了在综

30、合运用本文提出的HSV空间分量距离综合算法和Gabor滤波结合图像锐化算法进行检索时，颜色特征和纹理特征的参考权重，还检验了整个综合检索算法在图像库扩展后的检索效果。第六章是总结与展望，对全文进行了总结，并对进一步的研究工作进行了展望。第二章 相关原理及技术介绍 本章主要介绍了一些在后面的章节涉及到的图像检索领域的基础知识，包括颜色空间、图像锐化、结合区域的特征提取方法、相似性度量和检索性能评价指标。更详细的相关内容可以参看文中所列举的参考文献。2.1 颜色空间通常，人类和某些动物接收的物体的颜色是由物体反射的光的性质决定的。一个物体反射的光，如果在全部可见光范围内是平衡的，那么对于观察者来说

31、它显示白色。然而，若物体只在有限的可见光谱范围内反射，则物体呈现某种颜色，因此物体呈现的颜色取决于光源特性以及物体表面的物理、化学性质。颜色空间 (也称颜色模型或者颜色系统)是在某些标准下用通常可以接受的方式简化的颜色规范，是指某个三维颜色空间中的一个可见光子集，它包含某个颜色域的所有颜色。本质上，颜色空间是坐标空间的规范，每种颜色都由空间中的单个点来表示，它的用途是在某个颜色域内方便地指定颜色。由于每一个颜色域都是可见光的子集，所以任何一个颜色空间都无法包含所有的可见光。颜色空间是一个包括许多应用场合的很宽的领域，为了对颜色进行正确合理的应用、测定、描述和评价，人们建立了许多颜色空间，每个颜

32、色空间都各有特点。本小节中，着重讨论RGB颜色空间和HSV颜色空间，常用的颜色空间还有、CMYK、Lab等。2.1.1 RGB颜色空间RGB颜色空间由三原色组成：红色、绿色和蓝色。这三种颜色的光谱叠加在一起产生一种合量颜色。RGB颜色空间由三维的立方体表示，红色、绿色和蓝色分布在三个坐标轴上(图2-1)。黑色在原点，白色在立方体的另一边顶点处。灰色分布在从黑到白的一条线上。在一个每种颜色分量占8位的图形系统中，红色是(255，0，0)，绿色是(0，255，0)，蓝色是(0，0，255)。RGB颜色空间如图2-1所示：图2-1 RGB颜色空间RGB颜色空间是应用最为广泛的一种颜色空间，但是它并不

33、是对所有应用都是理想的，在此空间中，常见颜色的红、绿、蓝三个分量的值有较强的相关性，这使得执行一些图像处理算法时变得比较困难。特别是当图像的亮度改变后，RGB颜色空间中颜色三个分量的值往往会发生较大变化，从而不利于图像相似性的度量。2.1.2 HSV颜色空间HSV色彩空间方案由色调(Hue)、饱和度(Saturation)和亮度(Value)组成。在HSV色彩方案中，H表示色调，H由0360，颜色从红、黄、绿、青、蓝、紫，再到红；S从01变化，颜色饱和度从不饱和逐渐变为饱和；V从0变化到1，亮度逐渐增加。从RGB颜色空间到HSV颜色空间的转换公式如下： (2.1)HSV被模型化为一个六棱锥，色

34、调(H)表示成角度，从0度变化到360度。饱和度(S)与半径对应，从0变化到1。亮度(V)随着z轴变化，0代表黑而1代表白色。图2-2 HSV色彩空间的六棱锥模型当S=0时，颜色是一个亮度为01的灰度值。当S=1时，颜色是在圆锥体的边界上。饱和度越高，颜色离白色灰色黑色(取决于亮度)就越远。调节色调H将使颜色从0度的红色变化到120度的绿色，再到240度的蓝色，最后回到360度的红色。当V=0时，颜色是黑色，所以H未被定义。当S=0时，颜色是灰度级，H在这种情况下同样没有被定义。HSV颜色空间中三个分量的值彼此是不相关的，更加符合人的视觉感观。同时，对一幅HSV颜色空间的图像进行亮度变换操作，

35、完成起来要简单得多。当图像的光照强度改变后，H分量的值并不会有较大变化，因此便于图像颜色特征的相似性度量。2.1.3 颜色空间的量化图像中包含的颜色越多，提取出的颜色特征就越复杂，需要的存储空间就越多，并且会增加检索的时间，影响到检索的效率。同时，人眼只能识别出有限种颜色，比较人眼不能区分的颜色是没有意义的。因此在图像处理前，常常会先对颜色空间进行量化。量化的大小比较重要，一般来说量化间隔越小，检索精度越高，但是增加了系统开销、降低检索速度，而且当量化间隔小到一定程度时，将产生实际人眼不能区分的许多颜色；相反则导致大量颜色信息的丢失，影响检索的查准率。一般量化方法可以分为等间隔颜色空间量化和非

36、等间隔颜色空间量化。常用的等间隔颜色空间量化对R、G、B三个分量进行联合量化。设各分量的量化级数分别为l，m，n，则颜色直方图的bin数为K=lmn。如果三个分量均等间隔量化为k=16级，则K=161616=4096，这样高的bin数，导致存储开销大、计算复杂和匹配速度慢，给特征的处理带来极大的不便。实用系统的颜色直方图的bin数一般限制在512以下，一种可能的组合是各分量均量化为k=8级，则K=888=512。若颜色直方图的bin数K=64以及各分量量化级数相等的话，每分量的量化级数k仅仅为4，这样的颜色分辨率往往是不可接受的。等间隔颜色空间量化的方法比较简单但存在以下几个问题：(1) 没有

37、考虑图像本身的特点；(2) 没有考虑颜色空间的特点；(3) 颜色集合的代表性差，存在列的浪费和拥挤现象。非等间隔量化的方法以HSV颜色空间为例来说明。首先，从图像中一般得到的是RGB值，因此要把RGB值转换为HSV值。然后将H，S，V三个分量按照人的颜色感知进行非等间隔的量化。具体细节如下：(1) 按照人的视觉分辨能力，对HSV颜色空间的三个分量分别进行量化，H分量、S分量和V分量的量化级数分别为8、3、3。(2) 根据色彩的不同和主观颜色感知进行量化。 (2.2) (2.3) (2.4)(3) 根据光学理论，物体的颜色与光的波长或频率有关。不同的色光在真空中的波长和频率的范围不一样，因此可以

38、将色调进行不等间隔量化。(4) 构造特征矢量。按照以上的量化级，把3个颜色分量合成为特征矢量 (2.5)其中，和，是分量S和V的量化级数，这里取，。那么此式变为 (2.6)这样，HSV颜色空间的三个分量被描述成一个特征矢量。根据上式G的取值范围为，计算G获得72bin的一维直方图。2.2 图像锐化2.2.1 灰度化通过理论研究和实践结果分析，人们对颜色的物理本质已经有了较深刻的理解。根据人眼的视觉机理，通常绝大部分颜色都可以看作是3个基本颜色即红(R)、绿(G)、蓝(B)的混合。基于这一点，可以在笛卡尔坐标系中让3个坐标轴分别表示R、G、B的值，从而建立起一个RGB颜色空间模型。在这个模型中，

39、原点对应黑色，离原点最远的顶点对应白色，从原点到此顶点之间的连线即立方体的对角线上的点就对应了从黑到白之间的灰度值，也叫亮度值。(1) 简单灰度化找到某颜色在RGB颜色空间中所对应的点，计算原点至该点矢量在对角线上的投影即可得到该颜色的灰度值。假设R、G、B分量都用8位来表示，取值范围是0, 255，则灰度值可以用下面的公式得到 (2.7)上面的公式中，(r，g，b)表示某颜色在颜色空间中的坐标矢量，(255，255，255)表示颜色空间中对角线所对应的矢量，|表示求矢量的模。经过矢量运算，公式(2.7)可简化为 (2.8)此时，Y的取值范围是。进一步假设灰度值也用8位来表示，通过线性变换将灰

40、度值转化到的区间，于是就得到 (2.9)按公式(2.9)进行灰度化的原理和实现都很简单，因此把它称为简单灰度化方法。这种方法将R、G、B三个分量同等看待，并没有考虑R、G、B三种基本色各自具有不同视觉效果的情况，比如在背景色为白色情况下，蓝色和红色看起来就要比绿色显得更醒目一些。(2) 工业标准灰度化考虑到人的视觉感观因素，调整公式(2.9)中R、G、B各分量在灰度化时对灰度值的贡献，设它们各自对灰度的贡献分别为、 ，这样可以得到 (2.10)其中系数、且满足。容易看出公式(2.9)简单灰度化方法其实就是当时的一个特例。在我国彩色电视PAL制式中，利用R、G、B值计算灰度值Y时，没有将三种颜色

41、按相同的比例进行混合，而是按照适合于人眼的视觉特点来合成的， 选取、，这样就可以合成很自然的黑白图像。此时亮度值计算公式如下 (2.11)这个公式是电视工业标准灰度化方法，用这种方法可以从彩色电视信号得到自然的黑白亮度信号，该方法除了用于电视亮度信号外，也广泛用于其它彩色图像的灰度化处理，如彩色图像的灰度印刷、打印等。2.2.2 边缘的定义图像的边缘对人类的视觉系统具有重要意义，它是人类判别物体的重要依据，是图像中最基本的特征，是分析理解图像的基础。所谓边缘，是指局部图像范围内灰度急剧变化的那些像素的集合。它存在于目标与背景、目标与目标、区域与区域、基元与基元之间，是图像分割所依赖的重要特征，

42、也是纹理特征的重要信息源和形状特征的基础。边缘中包含着物体有价值的边界信息，这些信息可以用于目标识别、图像匹配、图像滤波等方面。通常，边缘的描述包含以下几个方面：(1) 边缘法线方向在某点灰度变化最剧烈的方面，与边缘方向垂直；(2) 边缘方向与边缘法线方向垂直，是目标边界的切线方向；(3) 边缘位置边缘所在的坐标位置；(4) 边缘强度沿边缘法线方向图像局部灰度的变化强度的度量。一般认为沿边缘方向的灰度变化比较平缓，而沿边缘法线方向的灰度变化比较剧烈。基本的灰度变化可以是阶跃型或者屋顶型等，这些只是理想的情况，考虑到图像是二维的，而且往往会叠加噪声，因此实际的灰度变化要复杂得多。2.2.3 常用

43、的图像锐化算子(1) Roberts算子Roberts算子是Roberts提出的一种利用局部差分算子来寻找边缘的算子，它在22邻域上计算对角导数。 (2.12)其中，u(x, y)表示图像在点(x, y)处的灰度值，g(x, y)又称为Roberts交叉算子。在实际应用中，为了简化计算，常采用绝对值来近似： (2.13)上式可以看作是两个22模板与图像卷积的结果，这两个模板如下图所示：图2-3 Robert图像锐化算子模板(2) Sobel算子Sobel算子是Sobel提出的一种将方向差分运算与局部平均相结合的方法，它是以u(x, y)为中心的33邻域内计算x和y方向的偏导数，即 (2.14)

44、 (2.15)梯度大小为 (2.16)或取绝对值 (2.17)它的方向模板如下图所示：图2-4 Sobel图像锐化算子模板(3) Prewitt算子Prewitt算子的计算方法与Sobel算子类似，其计算公式为 (2.18) (2.19)梯度计算与公式(2.16)相同。它的方向模板如下图所示：图2-5 Prewitt图像锐化算子模板除了上面提到的Roberts算子、Sobel算子和Prewitt算子外，较常用的图像锐化算子还有Krisch算子、拉普拉斯算子、Canny算子等。2.3 结合区域的特征提取方法虽然现有的一些检索方法能够有效地表达图像的全局信息，并且不需要对图像中的物体加以分割或识别

45、，同时它具有平移、旋转不变性等优点，但是丢失了颜色的空间分布信息。而颜色的空间分布信息对于区分图像的内容是非常重要的。比如，查找含有蓝天的图像，如果能够限定图像的上半部分为蓝色，则可以明显地提高检索的查准率。通常为了获得空间分布信息可以把图像分成22、33(如图2-6)或者更多大小一样的块，在检索时各个块的重要性(权值)都是一样的。图2-6 图像分块示意图由于图像的主体内容一般位于图像的中间部分，周围背景部分占较小的面积，这种均匀分块的方法没有突出图像中间的主体部分和充分限制背景的范围，且容易将主体划分在不同块内，破坏了其完整性，容易包含进一些不重要物体的颜色信息，从而降低了检索的精度。一般来说，图像的中