颜色矩

颜色矩:

颜色矩是一种简单而有效的颜色特征,是由Stricker和Oreng提出的,这种方法的数学基础是图像中的任何的颜色分布均可以用它的矩来表示。此外,由于颜色分布信息主要集中在低阶矩中,因此,仅采用颜色的一阶矩(mean)、二阶矩(Variance)和三阶矩(Skewness)就足以表达图像的颜色分布,与颜色直方图相比,该方法的另一个好处是无须对特征进行量化。

设p(i,j)图像的像素值,N为像素数,则:

Mean=(sum(p(I,j)))/N

Variance=sqrt(sum(p(I,j )-mean)^2/N)

Skewness= Variance= (sum(p(I,j )-mean)^3/N)^1/3

图像的颜色矩一共有九个分量,每个颜色通道均有三个低阶矩。颜色矩仅仅使用少数几个矩,从而导致过多的虚警,因此颜色矩常和其他特征结合使用。

public void setColorJu(){
		int		i , j;
		int 	k;
		double	sumh , sums , sumv;

		this.colorJuH[1]	=	0.0;
		this.colorJuS[1]	=	0.0;
		this.colorJuV[1]	=	0.0;

//		System.out.println(this.width * this.height);
		for( k = 1 ; k <= 3 ; k++ ){
			sumh = 0.0;
			sums = 0.0;
			sumv = 0.0;
			for( i = 0 ; i < this.width ; i++ ){
				for( j = 0 ; j < this.height ; j++ ){
//					double	temp = this.points[i][j].getHHSV();
//					temp -= this.colorJuH[1];
//					temp = Math.pow(temp, k);
//					sumh += temp;
					sumh += Math.pow(	( this.points[i][j].getHHSV() - this.colorJuH[1] )	,	k	);
					sums += Math.pow(	( this.points[i][j].getSHSV() - this.colorJuS[1] )	,	k	);
					sumv += Math.pow(	( this.points[i][j].getVHSV() - this.colorJuV[1] )	,	k	);
				}
			}

//			System.out.println(k+":");

			this.colorJuH[k] = sumh / ( this.width * this.height );
			if( k == 2 )
				this.colorJuH[k]	=	Math.sqrt(this.colorJuH[k]);
			if( k == 3 )
				this.colorJuH[k]	=	Math.cbrt(this.colorJuH[k]);

//			System.out.println(colorJuH[k]);

			this.colorJuS[k] = sums / ( this.width * this.height );
			if( k == 2 )
				this.colorJuS[k]	=	Math.sqrt(this.colorJuH[k]);
			if( k == 3 )
				this.colorJuS[k]	=	Math.cbrt(this.colorJuH[k]);

			this.colorJuV[k] = sumv / ( this.width * this.height );
			if( k == 2 )
				this.colorJuV[k]	=	Math.sqrt(this.colorJuH[k]);
			if( k == 3 )
				this.colorJuV[k]	=	Math.cbrt(this.colorJuH[k]);

//			System.out.println("sumh"+sumh+","+"sums"+sums+","+"sumv"+sumv);
		}
	}

颜色矩,布布扣,bubuko.com

时间: 2024-10-05 04:27:39

颜色矩的相关文章

颜色矩原理及Python实现

原理 颜色矩(color moments)是由Stricker 和Orengo所提出的一种非常简单而有效的颜色特征.这种方法的数学基础在于图像中任何的颜色分布均可以用它的矩来表示.此外,由于颜色分布信息主要集中在低阶矩中,因此仅采用颜色的一阶矩(mean).二阶矩(variance)和三阶矩(skewness)就足以表达图像的颜色分布.与颜色直方图相比,该方法的另一个好处在于无需对特征进行向量化.因此,图像的颜色矩一共只需要9个分量(3个颜色分量,每个分量上3个低阶矩),与其他的颜色特征相比是非

RGB颜色矩提取算法&mdash;&mdash;Matlab

一.颜色矩公式 一阶颜色矩--均值,反映图像明暗程度 二阶颜色矩 --标准差,反映图像颜色分布范围 三阶颜色矩 --方差,反映图像颜色分布对称性 二.方法一: firstMoment = mean(mean(tmpImage)); % 一阶颜色矩 difference = tmpImage(:,:,m) - firstMoment(1,1,m); %差分颜色矩 secondMoment = sqrt(mean(mean(difference.*difference))); % 二阶颜色矩 thi

颜色特征提取

来源:http://www.xuebuyuan.com/2019161.html 颜色特征是在图像检索中应用最为广泛的视觉特征,主要原因在于颜色往往和图像中所包含的物体或场景十分相关.此外,与其他的视觉特征相比,颜色特征对图像本身的尺寸.方向.视角的依赖性较小,从而具有较高的鲁棒性. 颜色特征的特点: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,此时所有属于图像或图像区域的像素都有各自的贡献.由于颜色对图像或图像区域的方向.大小等变化不敏感,

图像特征提取

特征提取是计算机视觉和图像处理中的一个概念.它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征.特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点.连续的曲线或者连续的区域. 特征的定义 至今为止特征没有万能和精确的定义.特征的精确定义往往由问题或者应用类型决定.特征是一个数字图像中“有趣”的部分,它是许多计算机图像分析算法的起点.因此一个算法是否成功往往由它使用和定义的特征决定.因此特征提取最重要的一个特性是“可重复性”:同一场景的不同图像所提取的特征应该是

视频数据的预处理

视频数据的预处理 视频数据的预处理主要可分为视频镜头分割.关键帧提取.特征提取三个步骤. 1.视频镜头分割(镜头边界检测) 镜头分割是视频处理的第一步,是后续视频处理分析的基础.同一镜头内视频特征的变化主要由两个因素造成:对象/摄像机的运动和光线的变化.镜头之间的转换方式主要有两类,即突变(CutTransition)和渐变(Gradual Transition). (1)像素差异法 首先定义一个像素差异测度,然后计算连续两帧图像的帧间差异并用其与一个预先设定的阈值作比较,大于该阈值,则认为场景

[转] Android图片处理(Matrix,ColorMatrix)

在编程中有时候需要对图片做特殊的处理,比如将图片做出黑白的,或者老照片的效果,有时候还要对图片进行变换,以拉伸,扭曲等等. 这些效果在android中有很好的支持,通过颜色矩阵(ColorMatrix)和坐标变换矩阵(Matrix)可以完美的做出上面的所说的效果. 下面将分别介绍这两个矩阵的用法和相关的函数. 颜色矩阵android中可以通过颜色矩阵(ColorMatrix类)方面的操作颜色,颜色矩阵是一个5x4 的矩阵(如图1.1) 可以用来方面的修改图片中RGBA各分量的值,颜色矩阵以一维数

paper 20 :color moments

图像的颜色特征是很重要的,其中颜色矩也是很重要的一部分.(还有一个关于图像颜色特征的review,对于image color写的比较全面).还有,我要强调一下,本blog上的链接都是Google学术上的,要是进不去,需要用FQ软件的哦! 颜色矩是一种简单有效的颜色特征表示方法,有一阶矩(均值,mean).二阶矩(方差,viarance)和三阶矩(斜度,skewness)等,由于颜色信息主要分布于低阶矩中,所以用一阶矩,二阶矩和三阶矩足以表达图像的颜色分布,颜色矩已证明可有效地表示图像中的颜色分布

关于图像特征提取

特征提取是计算机视觉和图像处理中的一个概念.它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征.特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点.连续的曲线或者连续的区域. 特征的定义 至今为止特征没有万能和精确的定义.特征的精确定义往往由问题或者应用类型决定.特征是一个数字图像中“有趣”的部分,它是许多计算机图像分析算法的起 点.因此一个算法是否成功往往由它使用和定义的特征决定.因此特征提取最重要的一个特性是“可重复性”:同一场景的不同图像所提取的特征应该

图像处理和计算机视觉中的经典论文

图像处理和计算机视觉中的经典论文 转自:http://www.cnblogs.com/moondark/archive/2012/04/20/2459594.html 感谢水木上同领域的同学分享,有了他的整理,让我很方便的获得了CV方面相关的经典论文,我也顺便整理一下,把pdf中的文字贴到网页上,方便其它人更直观的获取所要内容~~~   资料的下载链接为:http://iask.sina.com.cn/u/2252291285/ish?folderid=775855 以下为该同学的整理的综述:“