公司資訊

每一個(gè)新動(dòng)態(tài)都是我們向前邁進(jìn)的新腳步

深度學(xué)習圖像顏色提取的秘密
2019-08-02

顏色特征是人類(lèi)感知和區分不同物體的一種基本視覺(jué)特征,是一種全局特征,描述了圖像或圖像區域所對應的景物的表面性質(zhì)。顏色特征對于圖像的旋轉、平移、尺度變化都不敏感,表現出較強的魯棒性。顏色模型主要有HSV、RGB、HSI、CHL、LAB、CMY等。常用的特征提取與匹配方法有:


1. 顏色直方圖

顏色直方圖(color histogram)是最常用的表達顏色特征的方法,它能簡(jiǎn)單描述一幅圖像中顏色的全局分布,即不同色彩在整幅圖像中所占的比例,特別適用于描述那些難以自動(dòng)分割的圖像和不需要考慮物體空間位置的圖像,且計算簡(jiǎn)單,對圖像中的對象的平移和旋轉變化不敏感;但它無(wú)法描述圖像中顏色的局部分布及每種色彩所處的空間位置。


當顏色特征并不能取遍所有取值時(shí),在統計顏色直方圖時(shí)會(huì )出現一些零值,這些零值對計算直方圖的相交帶來(lái)很大影響,使得計算的結果不能正確反映兩幅圖像之間的顏色差別。為解決上述問(wèn)題,可利用累積直方圖法。


2. 顏色集

顏色直方圖法是一種全局顏色特征提取與匹配方法,無(wú)法區分局部顏色信息。顏色集是對顏色直方圖的一種近似,首先將圖像從RGB顏色空間轉化成視覺(jué)均衡的顏色空間(如HSV空間),并將顏色空間量化成若干個(gè)柄(bin)。然后,用色彩自動(dòng)分割技術(shù)將圖像分為若干區域,每個(gè)區域用量化顏色空間的某個(gè)顏色分量來(lái)索引,從而將圖像表達為一個(gè)二進(jìn)制的顏色索引集。在圖像匹配中,比較不同圖像顏色集之間的距離和色彩區域的空間關(guān)系。因為顏色集表達為二進(jìn)制的特征向量,可經(jīng)構造二分查找樹(shù)來(lái)加快檢索速度,這對于大規模的圖像集合十分有利。


3. 顏色矩

顏色矩(color moments)是另一種簡(jiǎn)單而有效的顏色特征提取與匹配方法。該方法的數學(xué)基礎在于:圖像中任何的顏色分布均可以用它的矩來(lái)表示。由于顏色分布信息主要集中在低階顏色矩中,因此僅采用顏色的一階中心矩、二階中心矩和三階中心矩就可以表達圖像的顏色特征,它們分別表示圖像的平均顏色、標準方差和三次根非對稱(chēng)性。該方法的另一個(gè)優(yōu)點(diǎn)是它無(wú)需對顏色特征進(jìn)行向量化。但因為沒(méi)有考慮像素的空間位置,該方法仍存在精確度和準確度不足的缺點(diǎn)。


4. 顏色聚合向量

其核心思想是:將屬于直方圖每一個(gè)柄的像素分成兩部分,如果該柄內的某些像素所占據的連續區域的面積大于給定的閾值,則該區域內的像素作為聚合像素,否則作為非聚合像素。


在目前圖像處理的硬件條件下,直接對彩色圖像的處理與分析是復雜而又耗時(shí)的,因此對彩色圖像的處理通常都是先轉化為灰度圖像,然后再按照灰度圖像處理方法進(jìn)行處理。