matlab彩色图象鉴别.ppt

项目设计思路: 方案一 1.特征提取 （求取颜色直方图提取要求的特征 ） 2选取了特征之后 ，选择或寻找适当的判别准则 ，从而判断出待识别的图像的特征与数据库中的哪些图像的特征最接近。 项目设计思路: 方案二 1分别统计整幅图像中R、G、B各颜色分量的和 2分别除以图像像素总数得到平均的颜色分量 3根据平均颜色分量与常用RGB颜色表对比判断图像主色调 基于内容的图像检索是一个逐步求精的过程，大致可以经过以下几个步骤: (1).特征提取 对图像数据进行自动或半自动的特征提取，提取用户感兴趣的、适合检索要求的特征。特征提取可以是全局性的，如整幅图像，也可能是针对某个目标，如图像中的子区域等。 对于基于颜色特征的图像提取，科学工作者们提出了多种方案。譬如颜色直方图、主色调、颜色矩(Color Moments)，颜色集(Color sets)、聚类、扫描线投影等检索算法，颜色直方图是目前较常使用的检索方法。 (2).图像匹配 在选取了特征之后，需要选择或寻找适当的判别准则，从而判断出待识别的图像的特征与数据库中的哪些图像的特征最接近。常用的度量准则是距离度量法 (3).结果输出，将满足一定相似性条件的一组候选结果按相似度大小排列后返回给用户。 (4).特征调整，对系统返回的结果可通过浏览来挑选，直至找到满意的结果，或从候选结果中选择一个示例，经过特征调整，形成一个新的查询。 P=imread(F:\picture\1.jpg); subplot(1,3,1) imshow(P) P=double(P); [M,N,K]=size(P); Hist(512)=0; for i=1:M for j=1:N Z=floor(P(i,j,1)/32)*64+floor(P(i,j,2)/32)*8+floor(P(i,j,3)/32); Hist(Z+1)=Hist(Z+1)+1; end end subplot(1,3,2) plot(Hist) n=5 maincolor(n,3)=0; for k=1:n Mmm=max(Hist); for z=1:512 if Hist(z)==Mmm maincolor(k,1)=32*floor(z/64); maincolor(k,2)=32*floor(mod(z,64)/8); maincolor(k,3)=32*mod(mod(z,64),8); Hist(z)=0; end end end PP(M,N,3)=0; Dis(n)=0; for i=1:M for j=1:N for k=1:n Dis(k)=abs(P(i,j,1)-maincolor(k,1))+abs(P(i,j,2)-maincolor(k,2))+abs(P(i,j,3)-maincolor(k,3)); end Mnn=min(Dis); for k=1:n if Dis(k)==Mnn PP(i,j,1)=maincolor(k,1); PP(i,j,2)=maincolor(k,2); PP(i,j,3)=maincolor(k,3); end end end end subplot(1,3,3) imshow(PP/256) 最终确定方案 1读取彩色图像，分别计算rgb平均值 2将求得rgb与样本图像rgb比较求取算数平方根 3选择平方根较小的样本颜色作为输出 程序如下 I=imread(F:\picture\4.jpg); R=I(:,:,1); r=mean(R(:)); G=I(:,:,2); g=mean(G(:)); B=I(:,:,3); b=mean(B(:)); a0=sqrt((r-0)^2+(g-0)^2+(b-0)^2);%黑色 a1=sqrt((r-255)^2+(g-255)^2+(b-255)^2);%白色 a2=sqrt((r-0)^2+(g-255)^2+(b-0)^2);%绿色 a3=sqrt((r-0)^2+(g-0)^2+(b-255)^2);%蓝色 a4=sqrt((r-255)^2+(g-0)^2+(b-0)^2);%红色 a5=sqrt((r-25