信息内容安全管理及应用教学课件(共12章)第六章图像处理特征抽取.pptxVIP

第六章 图像信息特征抽取6.1 数字图像的表示方法一张数字图像可以通过一个或多个矩阵来表示，如下图所示：6.1 数字图像的表示方法(续) 推广到一般情况，对于一幅大小为 的灰度图像可以通过如下的灰度值矩阵唯一表达：其中， 代表坐标为(I, J)的像素点的灰度值。像素点灰度值 的变化范围从0（全黑）至255（全白），越高的灰度值代表像素点的亮度越高6.1 数字图像的表示方法(续) 彩色图像及其表示方法类似灰度图像，一幅大小为M×N的彩色图像可以通过如下的色彩向量矩阵唯一表达：6.1 数字图像的表示方法(续) 红色通道输出绿色通道输出蓝色通道输出6.1 数字图像的表示方法(续) R(i，j)，G(i，j)，B(i，j)分别代表红、绿、蓝三个颜色通道的输出值。以上RGB矩阵表示方法是当前常用的彩色图像表示方法，简洁是它的主要优点，现有的24位位图（bmp）图像就采用RGB表示方法。然而，由于RGB颜色空间局限性，各种颜色空间的表达方式，如HSV，YCbCr，CIE-Lab等颜色空间也经常被采用。这些颜色空间中每个像素点的色彩向量基本都能由RGB空间方便地通过线性或非线性的转换获得。为了表达简洁，我们采用RGB颜色空间这一表示方式。6.2 图像颜色特征抽取所谓图像的颜色特征，通俗的说，即能够用来表示图像颜色分布特点的特征向量。常见的颜色特征有：颜色直方图、颜色聚合矢量、颜色矩等等。本小节将对于这些常用颜色特征的提取方法分别进行详细的介绍。6.2.1 颜色直方图特征所谓颜色直方图（color histogram）即反映特定图像中的颜色级与出现该种颜色的概率之间关系的图形。为了直观起见，这里首先简单介绍灰度直方图的定义：对于一幅大小为 的灰度图象（灰度值的变化范围从0（全黑）至255（全白）），K个灰度级的直方图。灰度直方图函数的表达式如下：其中， 代表第k个灰度级， 是图像中出现 灰度级的像素点总数。分母为图像中所有像素点的个数，用来对于不同尺寸的图像进行归一化。6.2.1 颜色直方图特征(续) 下图所示是一个灰度直方图提取的例子：a) 灰度图像；b)-d): a)图的灰度直方图采用不同数目的灰度级（b) K=16; c) K=64; d) K=256）由上图可知，尽管采用不同的K值，但其整体形状还是大同小异的，都反映了原图像的灰度分布特点：即中间亮度（100左右）的像素点较多，高亮度的像素点较少。6.2.1 颜色直方图特征(续) 对于在图像理解、索引等方面的应用来说，采用不同的K值来描述图像的灰度分布信息，产生的效果也各不相同。K值高代表直方图的“分辨率”较高，能够更细致的描述图像灰度方面的细节，但是所需特征向量的维数较高，为之后进行的直方图比对等处理带来更高的计算复杂度。另外，当灰度级过多时，某些灰度值相差不大的像素点将被归类到不同的灰度级中，这将给图像理解、索引等工作带来了一些困难和混淆。例如，两幅差别不大的灰度图像由于灰度级过多可能造成生成的灰度直方图有较大的差异，从而造成灰度直方图不能很好的表达图像的灰度分布特点。反过来，如果K值太低，造成直方图“分辨率”不够，从而图像的灰度差异不能从灰度直方图这一特征上反映出来，进而降低了该特征的鉴别力。因此，如何选择合适的灰度级数目以及量化方法，是当前该领域的一大研究热点。6.2.1 颜色直方图特征(续) 下图是采用灰度直方图进行图像分类的简单例子：由下图可见，相同类型的图像往往具有类似的灰度直方图（如前两幅赛车图像的直方图d和e），而不同类型的图像，其直方图有比较大的差异。因此，灰度直方图特征可以用来表征灰度图像的亮度分布特点，而被广泛应用于各种图像分类、索引系统之中。6.2.1 颜色直方图特征(续) 由于灰度直方图仅能反映图像的亮度特征，而当前网络中传播的图像往往是彩色图像。因此，将灰度直方图的概念推广到各种颜色空间，就得到颜色直方图的概念（这里还是以常见的RGB颜色空间直方图为例）：(公式6-1)其中， 代表第（r，g，b）个颜色柄， 是图像中出现 颜色柄的像素点总数。同样，分母为图像中所有像素点的个数，用来对于不同尺寸的图像进行归一化。6.2.1 颜色直方图特征(续) R，G，B分别代表红、绿、蓝三个颜色通道中所划分的颜色级的总数。一般而言，颜色直方图的计算流程如下：1．将颜色空间划分成若干个颜色区间，每个区间代表直方图的一个颜色柄（bin）。该过程被称为颜色量化（color quantization）。均匀量化（即对于每个颜色分量的划分是均匀的）是常用的量化方法。2．统计颜色落在颜色柄 中的像素点总数 。3．通过公式6-1计算颜色直方图向量Hist。6.