颜色相似度量.pptxVIP

颜色相似度量; 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。 ; 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。; 。; 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：  ;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。 ; 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。 ;对于连续概率分布，Bhattacharyya系数被定义为： ; 要对两个直方图（如H1和H2）进行比较，要选择衡量直方图相似度的对比标准（d(H1,H2)）。在 OpenCV2.X中，用compareHist()函数来对比两个直方图的相似度。 ;compareHist()函数用于两幅直方图进行比较。有两个版本的C++原型，如下： C++: double compareHist(InputArray H1,InputArray H2, int methiod) C++: double compareHist(const SparseMat H1,const SparseMat H2,int method) 它们的前两个参数都是要比较的大小相同的直方图，第三个变量是所选择的距离标准。可用如下的4种方法，比较两个直方图： 1.相关（method=CV_COMP_CORREL） 2.卡方（method=CV_COMP_CHISQR） 3.直方图相交（method=CV_COMP_INTERSECT） 4.巴氏距离（method=CV_COMP_BHATTACHARYYA） ;测试图片：;程序运行结果(一维直方图)：;