颜色相似度量.pptx

颜色相似度量
XXX
颜色模型就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。
在大多数的彩色图形显示设备一般都是使用红、绿、蓝三原色,我们的真实感图形学中的主要的颜色模型也是RGB模型,但是红、绿、蓝颜色模型用起来不太方便,它与直观的颜色概念如色调、饱和度和亮度等没有直接的联系。颜色模型主要有HSV、RGB、HSI、CHL、LAB、CMY等。它们在不同的行业各有所指,但在计算机技术方面运用最为广泛。

RGB 颜色模型使用了颜色成分红(R)、绿(G)和蓝(B)来定义所给颜色中红色、绿色和蓝色的光的量。在24位图像中,每一颜色成分都由0到255之间的数值表示。在位速率更高的图像中,如48位图像,值的范围更大。在加颜色模型中,如RGB,颜色是通过透射光形成的。因此,RGB 被应用于监视器中,对红色、蓝色和绿色的光以各种方式调和来产生更多颜色。当红色、蓝色和绿色的光以其最大强度组合在一起时,眼睛看到的颜色就是白色。理论上,颜色仍为红色、蓝色和绿色,但是在监视器上这些颜色的像素彼此紧挨着,用眼睛无法区分出这三种颜色。当每一种颜色成分的值为0时,即表示没有任何颜色的光,因此,眼镜看到的颜色就为黑色。 RGB 是最常用的颜色模型,因此,他可以存储和显示多种颜色。
(1)RGB颜色模型
每一种颜色都是由色相(Hue,简H),饱和度(Saturation,简S)和色明度(Value,简V)所表示的。HSV模型对应于圆柱坐标系中的一个圆锥形子集,圆锥的顶面对应于V=1。它包含RGB模型中的R=1,G=1,B=1 三个面,所代表的颜色较亮。色彩H由绕V轴的旋转角给定。红色对应于角度0° ,绿色对应于角度120°,蓝色对应于角度240°。在HSV颜色模型中,每一种颜色和它的补色相差180°。饱和度S取值从0到1,所以圆锥顶面的半径为1。
(2)HSV颜色模型
。

颜色是图像的一种重要视觉性质, 是人识别图像的主要感知特征之一。相对于其他的特征,颜色特
征非常稳定,对于旋转、平移和尺度变化等都不敏感,而且颜色特征计算简单,因此在图像处理中得到广
泛的重视和研究。目前, 基于颜色特征的信息检索成为图像检索中的一种重要而广泛使用的方法。颜
色特征可用不同形式的颜色直方图来表示,主要有 3 个独立的一维直方图, 分别为彩色图像 RGB3 个分
量的直方图,基于该颜色直方图之间的距离或它们的交可以来判断颜色相似度。
基于直方图的颜色相似度计算方法
优点:与图像旋转、平移和尺寸变化无关
缺点:两幅看起来颜色非常相似的图像,如果它们的颜色直方图交集为空或者直方图之间距离很大,那么相似度为零或者很小,这显然不符合人的感知。 具体方法:绝对值距离、巴氏距离、欧式距离、直方图相交法、x2距离、参考颜色表、中心矩等
设a, b是两幅图像对应的特征向量,ai,bi分别代表特征分量。Minkowsky 距离是基于Lp 范数定义的:

a) 如果 p=l,称为城区距离(city-block),也就是绝对值距离:
(1)Minkowsky 距离
b) 如果 p=2,称为欧式距离(Euclideandistance):

欧氏距离是最易于理解的一种距离计算方法,源自欧氏空间中两点间的距离公式。
c) 如果 p →∞,称为切比雪夫距离(Chebyshevdistance):
直方图相交法(histogram intersection)是由 Swain 等人于 1991 年首次提出的,直方图相交法计算简单快速并且能较好地抑制背景的影响。
(2)直方图相交法
Bhattacharyya距离测量两个离散或连续概率分布的相似性。它与衡量两个统计样品或种群之间的重叠量的Bhattacharyya系数密切相关。
巴氏距离的定义
对于离散概率分布 p和q在同一域 X,它被定义为:
其中:是Bhattacharyya系数。
(3)巴氏距离Bhattacharyya Distance