基于颜色直方图的图像检索(实验分析)
基于颜色的图像检索技术研究
基于颜色的图像检索技术研究一、绪论随着数字化时代的到来，图像数据越来越丰富，人们需要一种高效准确的图像检索技术来管理这些数据。
目前图像检索技术主要基于文本和内容，但是这些技术仅能处理能够解释的和标记的文本和具有特定特征的图像数据。
在这种情况下，通过对图像的特定属性进行分析和比较的基于颜色的图像检索技术被广泛应用。
二、基础知识1. 颜色空间颜色空间是指在三维色彩模型中表示出颜色的特定坐标系。
具有代表性的颜色空间有 RGB、CMYK、YUV、HSL、HSV 等。
RGB 是将颜色视为红、绿、蓝三原色的颜色空间，由于其直观、全面的表现文元素的颜色，因此被广泛用于个人计算机、监视器等的颜色显示。
而 HSV（色相饱和度明度）颜色空间则被广泛用于颜色图像处理中。
2. 颜色直方图颜色直方图是用来计算图像中的颜色分布的一种统计工具，通过将颜色空间分割成不同数量的区域，并计算图像中每个区域的颜色出现频率，最后将每个区域的颜色出现频率记录在直方图中，以直方图柱状图的形式呈现。
3. 颜色特征在基于颜色的图像检索中，使用直方图来描述颜色特征，可以大大减小计算量。
通过计算颜色直方图的相似度，可以衡量两张图片之间的相似度。
三、基于颜色的图像检索算法基于颜色的图像检索算法主要包括颜色直方图比较法、颜色矩比较法和小波分析法。
1. 颜色直方图比较法颜色直方图比较法是一种基于直方图的图像检索算法。
在颜色直方图的基础上，通过计算两张图片颜色直方图之间的差异来判断相似度。
该算法简单易于实现，但对于颜色直方图的分组和颜色量化，需要人为的选择最适合的参数，如果参数选择不恰当，会导致检索结果不精确。
2. 颜色矩比较法颜色矩比较法是一种将颜色空间的直方图信息转换为具有统计信息的颜色概述向量，从而实现基于颜色区分度更佳的图像检索算法。
通过对比归一化矩的差异，可以快速定位出颜色出现的位置。
该算法相比于直方图比较法更加准确，但计算复杂度较高。
3. 小波分析法小波分析法是一种完全不同于基于直方图的图像检索方法。
基于颜色特征的图像检索技术研究
2、深度学习方法
近年来，深度学习技术在图像识别、语音识别等领域取得了显著的成果。本次 演示采用卷积神经网络（Convolutional Neural Network，CNN）进行特征 提取和匹配。首先，将库中图像输入到 CNN中进行训练，
得到一个能够表达图像特征的神经网络模型；然后将待检索图像也输入到神经 网络模型中，得到其特征向量；最后，采用欧氏距离或余弦相似度等方法计算 待检索图像和库中图像的特征向量之间的距离，找出最相似的图像作为检索结 果。
引言
随着多媒体技术的迅速发展，图像数据的应用越来越广泛，如何快速准确地检 索出用户所需的图像成为一个重要的问题。颜色特征是图像中最直观和重要的 特征之一，基于颜色特征的图像检索方法具有简单、直观、易于理解等优点，
因此具有广泛的应用前景。然而，传统的基于颜色特征的图像检索方法存在一 些问题，如特征提取速度较慢、准确性不高、查全率较低等。因此，本次演示 旨在研究一种高效的基于颜色特征的图像检索方法，提高检索性能。
颜色特征提取
颜色特征提取是图像检索的关键步骤之一，直接影响到检索的准确性和查全率。 本次演示采用颜色空间的转换和特征点的提取方法来提取图像的颜色特征。具 体步骤如下：
1、颜色空间的转换
颜色空间是描述图像中颜色的一种方式。常见的颜色空间包括 RGB、HSV、 Lab等。本次演示将图像从 RGB空间转换到 HSV空间，使得颜色的表示更加直 观，同时将颜色信息与亮度信息分开，提高特征提取的准确性。
匹配与检索
在提取出图像的颜色特征后，需要进行特征匹配和检索。本次演示采用传统的 匹配方法和深度学习方法进行特征匹配和检索。
1、传统匹配方法
传统的匹配方法包括欧氏距离、余弦相似度等。本次演示采用欧氏距离作为匹 配指标，计算待检索图像和库中图像的特征向量之间的距离，根据距离的大小 判断两幅图像的相似度。
基于颜色_空间二维直方图的图象检索
(8
!""!#$! 计算机工程与应用
理，该颜色 % 空间 直 方 图 作 为 图 象 的 颜 色 % 空 间 特 征 存 储 在 图 象数据库中。
看出量化后图象颜色失真较小，基本能够满足人的视觉要求， 分辨出图象中物体的颜色特征。 这说明文中给出的颜色量化方 法是有效的， 在压缩颜色特征空间的同时， 尽可能保留了颜色 的视觉信息。 该图象检索实验使用的图象数据库内容包括： 雕像、 工具、 图象 人物、 建筑、 体育、 花朵、 餐具、 自 然 风 景 等 $"""" 张 图 片 ， 的颜色 % 空 间 二 维 直 方 图 特 征 预 先 计 算 好 并 保 存 在 数 据 库 中 。 这里使用左上角的同一幅图象进行检索。 传统的颜色直方图方 ， 前 !" 幅 图 的 正 确 率 为 ::> ； 基 于 颜 色%空 间 二 维 法（ 见 图 =） 直方图特征的检索方法 （ 空间约束条件默认为子块的一一对 应， 见图 ? ） ， 前 !" 幅图的正确率为 ,"> 。基于颜色 % 空间特征 的方法返回了在图象颜色空间分布上更为相似的图象， 比颜色 直方图方法明显地提高了基于内容图象检索的精度。
， C%D@/(.-： %697297 &/,2: ’M/N2 (27;+2W/0（ %&’(） B1* P606; M6:20， P606; 5+,76N;/M， ,+M+0/;+7U
$
引言
随着多媒体和网络技术的迅速发展， 图象数据来源不断扩
图象间相似度的计算。 但由于图象分割对任意图象很难准确地 找到感兴趣物体的范围， 因此实验中检索结果不够理想。 该文研究了基于颜色 A空间二维直方图特征进行图象检索 给出了一种将三维颜色空间 的方法。 文中使用 B1* 颜色模型， 非均匀量化为 ?! 种代表颜色的方法和一种通过相互重叠的图 象分块得到图象的颜色 A空间二维直方图方法，从而压缩了直 方图的颜色维数并在一定程度上保留了颜色的空间分布信息。 实验结果表明该方法实现简单、 有效， 保留了颜色及其空间分 布的特征， 因此与颜色直方图方法相比具有更好的查询精度。
基于颜色直方图的图像检索算法研究
基于颜色直方图的图像检索算法研究一、引言如今，在数字化的时代，图片已经成为信息传播和展示的重要媒体之一。
然而，在大量图片的海洋中，如何快速、准确地搜索所需图片，对于我们来说依然是一个挑战。
图像检索就是一种解决方案，其目标是根据用户提供的检索信息，从图片集合中找到相应图片。
然而，图像检索由于其数据量大、复杂度高等问题而难以实现。
本文将探讨基于颜色直方图的图像检索算法及其实现。
二、图像特征提取在图像检索中，图像特征提取是至关重要的步骤。
一种常用的方法是利用颜色直方图提取图像特征。
颜色直方图是一种从图像中获取颜色信息的直方图表示方法。
为了方便处理，通常将图像颜色分离为若干个离散的颜色区域。
对于一张彩色图像，将其转化为HSV色彩空间，然后对其进行颜色量化，将HSV色彩空间中的颜色映射到离散的颜色区域内，生成颜色直方图。
对于一张图像$I$，颜色直方图可以表示为：$$H(I)=\{\binom{h_1}{w_1},\binom{h_2}{w_2},\ldots,\binom{h_ n}{w_n}\}$$其中，$\binom{h_i}{w_i}$是直方图的一维表示，$h_i$为颜色值，$w_i$为像素数量。
三、图像相似度度量在图像检索中，图像相似度度量是另一个关键步骤。
对于基于颜色直方图的图像检索，可以使用直方图距离（Histogram Distance）作为相似度度量。
直方图距离是一种度量两张颜色直方图之间相似度的方法，其定义为两张颜色直方图之间的Euclidean Distance。
对于图像$I$和$J$：$$d(I,J)=\frac{1}{2}\sum_{i=1}^{n}(\binom{h_{i}}{w_{i}}-\binom{q_{i}}{w_{i}})^{2}$$其中，$\binom{h_{i}}{w_{i}}$和$\binom{q_{i}}{w_{i}}$分别为$I$和$J$的颜色直方图中的第$i$个bin的高度。
基于分块颜色直方图索引的快速图像检索方法
视觉信息 中最为直接和简单 ， 常用于基于 内容的图像检索 分 ， 则 图像被分成 Ｎ ＋ １ 个分块 。则圆和 圆环 的半径 为 ： 技术 中回 。但是全局颜 色直方图描述图像 的颜 色分布时忽 Ｒ ： ￣ ， ， ／ ２ ５ ６ ｘ １ ２ １ ５ ６ 一 ｓ（ ｓ ∈ ｌ ， ２ ， ３ ， …， Ｎ ＋ １ ） （ ２ ） Ｖ 十ｌ Ｊ 盯 略了图像 中颜色 的空间分布特征圈 ， 检索效 果不佳 。 为此本 在式（ ２ ） 中， 预处理后的图像大小为 ２ ５ ６ ｘ ２ ５ ６ 。实验证 文 提出 了一种改进 的基 于分块 颜 色直方 图索 引的快速图 明这种 方法可 以有效地 图像主体 的影 响。 １ 颜色空间的选取及量化 １ 一 颜 色空间的选择 Ｈ ｓ ｖ颜 色空间根据人 眼色彩视 觉特征用色调 （ Ｈ） 、 饱 和度 （ Ｓ ） 和 亮度（ Ｖ） 来描 述 图像颜 色信 息。与人对颜 色的 感知最为相似问 ， 符合人眼对颜 色的识别特 点 ， 所 以本文选 取Ｈ Ｓ Ｖ颜 色空间进行 图像处理。 取值范 围为 Ｈ∈『 ０ ， ３ ６ ｏ １ ，
ｂ ｙ ｒ ｅ ｆ ｅ ｒ ｉ ｎ ｇ ｔ ｏ ｈｅ ｔ ｌ ｏ ｃ ｌ ａ ｉ ｍａ ｇ ｅ ｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ．Ｐ ｌ ｅ ｎ ｙ ｔ ｏ ｆ ｈｅ ｔ ｅ ｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ｌ ａ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｈｅ ｔ ｍｅ ｈｏ ｔ ｄ ｈ ａ ｓ ａ ｂ ｅ ｔ ｔ ｅ ｒ ｒ ｅ ｔ ｒ ｉ ｅ ｖ ｌ ａ ｅ ｆ ｅ ｃ ｔ ，ｇ ｒｅ ａ ｔ ｌ ｙ
Ｓ ∈［ ０ ， １ 】 ， Ｖ∈［ ｏ ， １ ］ ｏ １ ． ２颜 色 量 化
本文按照人类对颜 色感知标准将 色调 分为 ７份 ， 饱和 度分为 ３ 份， 亮度 分为 ３份。 量化后 的色调 、 饱 和度和亮度 值 分别 Ｈ 、 Ｓ 、 Ｖ 。 量化后 的取 值范 围 为 Ｈ ∈『 ０ ， ７ 】 、 Ｓ ∈ ［ ０ ， ２ 】 、 Ｖ ∈［ ０ ， ２ 】 。 再将三个颜色分量合成一维特征 向量。 合 成公式如下 ： Ｌ ＝ ９ Ｈ ＋ ３ Ｓ ＋ Ｖ
基于HSV颜色直方图的图像检索算法性能分析
表2 检索时间比较
检索方法 检索时间
一般颜色直方图 9.218s
颜色累加直方图 9.376s
于一般颜色直方图的检索效率，也就是说采用累加颜色直方 图获得的好的检索效果是以检索效率为代价的，但是检索效 率相差不是很大。综合考虑检索效率和检索有效性，采用颜 色累加直方图作为特征要优于采用一般颜色直方图。
基于直方图的图像检索过程主要包括颜色模型选择、直
采用的是 HSV 模型。所以在进行图像处理之前一般需要将 RGB 模型转化为 HSV 模型。将 RGB 模型转化为 HSV 模型 的公式如下：
其中 ■■1.2 直方图特征提取和量化
即 ， 的量化级数 4, L 取值范围 [0,255]。 ■■1.3 相似性度量
电子基础
基于 HSV 颜色直方图的图像检索算法性能分析
作者/康朝红、刘鑫淼、黄静，石家庄铁道大学四方学院 石家庄铁道大学四方学院科研专项资金资助项目
文章摘要：本文给出了利用图像颜色直方图和累加颜色直方图进行图像检索的方法，并对两种算法性能进行分析。算法选用HSV颜色空间 模型，首先对HSV分量进行非均匀量化，然后计算图像的颜色直方图和累加颜色直方图，利用欧式距离方法计算待检索图像和图像库中图 像的相似度，最终得到检索结果。通过检索时间和查准率来分析算法性能。仿真结果表明，采用累加颜色直方图作为特征来检索图像得到 相对稳定的检索性能。 关键词：图像检索 HSV；颜色直方图；累加颜色直方图
参考文献
＊ [1] 姜兰池 , 沈国强 , 张国媗 . 基于 HSV 分块颜色直方图的图像 ＊ [2] 阎冬明 . 基于颜色与形状特征的图像检索技术研究 [D]. 保定 : ＊ [3] 刘忠伟 , 章毓晋 . 十种基于颜色特征图像检索算法的比较和 ＊ [4] 窦建军 , 文俊基 , 刘重庆 . 基于颜色直方图的图像检索技术 [J]. ＊ [5] 姚敏 . 数字图像处理 [M]. 北京 : 机械工业出版社 ,2006. 红外与激光工程 .2005,34（1）. 分析 [J]. 信号处理 ,2000,16（1）. 河北大学 ,2008. 检索算法 [J]. 机电工程 ,2009,26（11）.
基于HSI颜色空间统计直方图的图像检索
基于HSI颜色空间统计直方图的图像检索摘要: 给出了一种对图像的特征进行提取、分析并识别出一定形状及色彩差别的方法，主要目的是提取图像的颜色变化。
首先是对采集到的彩色图像进行预处理，包括：图像的滤波、目标图像的定位等；然后采取了相应的图像颜色空间和识别算法，包括：图像颜色空间的变换、颜色量化、图像特征提取、识别算法。
计算机仿真结果表明，该算法可行，并取得了较好的效果。
关键词：颜色空间；颜色量化；特征提取；识别算法Abstract：This article provides a approach that can extracte, analyse and identify a certain shape and color differences for the image features, the main purpose is to extract the color changement of image. The first step is the pre-processing of the collected color image, including: image filtering, target image positioning. What follows is signal image recognition, including: transformation of image color space, color quantization, image feature extraction, recogonition algorithm and the algorithm implementation. Finally, get the recognition results.Keywords:color space; color quantization; feature extraction; recognition algorithm1引言当今是一个信息肆意滋生的互联网时代，要想有效利用网上的这些信息，就需要将这些杂乱的信息梳理成可以查询的数据，这就必然要使用信息检索。
基于颜色特征的图像检索
基于颜色特征的图像检索摘要随着多媒体及网络技术的发展，互联网中的图像等多媒体信息的数量在迅速增加。
如何在庞大的多媒体数据资源海洋中搜索到自己所需要的图像，随之成为一个函待解决的问题。
近年来基于内容的图像检索技术己经成为了研究的热点，该技术具有传统文本检索方式所无法比拟的优越性，目前已被应用于多媒体通信、生物识别、知识产权保护等方面，具有广阔的发展前景。
本课题设计了基于颜色特征的图像检索系统，该系统主要包括两个关键步骤：颜色特征的提取和相似度匹配。
本文中首先采用应用广泛的HSV颜色空间来表示图像的颜色特征，对颜色分量进行非等间隔量化形成特征矢量；然后用欧式距离度量函数进行图像的相似性匹配；最后在MATLAB平台下编程实现了基于颜色特征的检索系统。
根据用户输入的样本图像与图像库中的图像进行特征匹配，找出与样本图像距离比较小的若干幅图像，并按照图像之间的距离由小到大的顺序显示给用户。
关键词：图像检索；直方图；颜色特征；MATLABIABSTRACTWith the development of multimedia technology, In Internet the number of images and other multimedia information in the rapidly increasing. How to locate the useful image in the vast multi-media is a great technology problem. In recent years, Content-based image retrieval has become a research focus, the technology has the superiority which the traditional text retrieval methods can not match.It has been widely used in multimedia communications, biometrics, intellectual property protection and so on, and has broad prospeets for development.This topic is designed based Color Image Retrieval System, which includes two key steps: color feature extraction and similarity matching. In this article was first used widely HSV color space to represent color feature image. We carried out color components quantification of non-interval to form feature vector; Then use the Euclidean distance metric function to match the similarity function of the image. Finally, this system should be implemented under the platform of the MATLAB by programming. Under user input sample image to conduct feature matching with image which in library images. In this system, It also can identify the images that have a short distance to the sample images, And in accordance with the distance between the images displayed to the user in the order from small to big.Keywords：Image Retrieval；Histogram Algorithm；Color Features；MATLABII河南理工大学毕业设计（论文）说明书目录摘要 (I)ABSTRACT ....................................................................................................... I I 1绪论 (1)1.1选题背景及现状11.2基于颜色特征图像检索的特点及发展趋势21.3论文结构52颜色模型及转换 (6)2.1概述62.2颜色模型62.2.1 RGB颜色模型 (6)2.2.2 HSV颜色模型 (8)2.3颜色模型转换93颜色特征提取的方法 (11)3.1颜色直方图113.2累加直方图143.3颜色矩154颜色特征检索匹配算法 (17)1河南理工大学毕业设计（论文）说明书4.1直方图相交法174.2欧式距离法174.3二次式距离185基于颜色特征的图像检索系统的设计和实现 (19)5.1开发工具的选取195.2系统框架195.3性能评价28总结与展望 (32)致谢 (34)参考文献 (35)附录： (37)2河南理工大学毕业设计（论文）说明书1绪论伴随着信息社会的迅速发展，图像多媒体信息的来源不断扩大。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于颜色直方图的图像检索作者:吴亚平学号:200812017081203009 1.概述在过去的十几年间，有许多知名机构都对图像检索系统进行了深入的研究，病开发出了相应的检索系统，例如IBM Almaden研究中心研制的QBIC系统，Virage公司研发的VIRAGE系统，麻省理工大学多媒体实验室研发的Photobook 系统，哥伦比亚大学研发的VisualSeek系统，斯坦福大学研发的WBIIS系统，U.C.伯克利分校研发的Blobworld系统等等。
这些检索系统的基本特征都是基于图像像素值的特征提取相应的规则图像，例如形状、颜色、纹理等，并以此为依据对图像进行比较检索，在这篇论文中，系统采用了基于颜色特征提取的检索。
基于直方图在两个颜色空间对图像特征进行判定检索。
这两个颜色空间是RGB和HSV。
通过对两副图像对应的RGB和HSV 值计算其距离，依据距离的远近来判断相似性，这种方法简单易行，由于丢弃了图像的形状、颜色、纹理等信息，判定的计算量相对较小。
当然这也导致了两副图像之间的判定没有实际的语义上的关联，也就是说，距离相近的图像并不一定有事实上的相应联系。
但是，经过试验的判定，这种基于直方图的图像检索系统能够为图片检索提供相对精确的检索结果。
2.相关知识2.1.RGB颜色空间RGB颜色模型中每种颜色都是由红绿蓝三种颜色组成。
这种颜色模型在许多CRT显示器和彩色光栅图形设备中被广泛使用。
这三种颜色被认为是其他颜色的添加剂，对于所需要的颜色通过对这三种颜色进行不同的比例进行相加即可得到。
RGB模型可以用如下的颜色坐标系表示。
注意从（0，0，0）到（1，1，1）的对角线，白色代表了灰阶，RGB色彩模式俯视从白色开始的。
2.2.HSV颜色空间（也称HIS颜色空间）HSV字母分别代表了色度（Hue），饱和度（Saturation），色调。
上面的锥形图说明HSV的颜色模型。
Value代表了颜色的强度，他是从图像信息中分离出来，可以表示相关信息的部分。
色度和饱和度代表了颜色在人眼中的生理特征。
色度与红色等颜色从0到1的表示不同，色度是从红色通过黄，绿，青，蓝，洋红色，再回到红色。
饱和度的区分是从0 到 1，他通过值大小来影响颜色的饱和度。
对于色调，也是从0到1，随着他的增大，图像的颜色就会越来越亮。
2.3.颜色模型之间的转换为了针对特定的应用更好的使用颜色，颜色空间的颜色转换是非常必要的。
一个好的颜色空间必须能够很好的表示两种颜色之间的颜色差别。
也就是说，数值表示的颜色可以近似的表示人类可以感觉的颜色的差别。
2.4.距离3.算法原理一个图像的颜色直方图是通过统计图像各个颜色的像素个数构成的。
其处理过程：1、选择颜色空间；2、对颜色空间进行量化；3、统计直方图；4、推到直方图的距离函数；5、通过索引指出最相近的图像。
算法中的每一步对于结果的可能都是至关重要的。
通过直方图检索也存在几个问题。
首先，颜色直方图有很高的维度，即便是经过极度的量化处理，图像的直方图特征空间也将占据超过100的特征值。
这种高维度就要求在处理过程中要减少统计特征，提前进行过滤以及对图像的分层级进行索引。
同时，这些大数据量也增加了计算距离函数的计算量和计算复杂度。
对于穿越距离的情况，这样的问题会更加的复杂。
4.算法实现4.1.产生图像数据库RGB颜色直方图被生成为512列 (r : 0~7, g: 0~7, b: 0~7 )（8 × 8 ×8）function makeRGBHistogramData()cd '.\img'str_head='RGB_zft_';str_tail='.txt';for file_num=0:499;filename=sprintf('%s%d%s',str_head,file_num,str_tail)imname=sprintf('%d.jpg',file_num)h = imread(imname,'jpg');%红色Red = h(:,:,1)'/(256/7);%绿色Green = h(:,:,2)'/(256/7);%蓝色Blue = h(:,:,3)'/(256/7);zft=zeros(8,8,8);[r,c] = size(Red);for i=1:r;for j= 1:c;zft(round(Red(i,j))+1,round(Green(i,j))+1,round(Blue(i,j))+1)=zft(round(Red(i,j))+1,round(Green(i,j))+1,round(Blue(i,j))+1) + 1;end;end;f_id=fopen(filename,'w');fprintf(f_id,'%d\n',zft);fclose(f_id);end;cd '..'return;endHSV颜色空间被生成为162列 (h: 0~17, s: 0~2,v: 0~2)（18 × 3 × 3）function makeHSVHistogramData()cd '.\img'str_head='HSV_zft_';str_tail='.txt';for file_num=0:499;filename=sprintf('%s%d%s',str_head,file_num,str_tail)imname=sprintf('%d.jpg',file_num)h = imread(imname,'jpg');HSV = rgb2hsv(h);Hue = HSV(:,:,1)'/(1/17);Saturation = HSV(:,:,2)'/(1/2);Value = HSV(:,:,3)'/(1/2);zft=zeros(18,3,3);[r,c] = size(Hue);for i=1:r;for j= 1:c;zft(round(Hue(i,j))+1,round(Saturation(i,j))+1,round(Value(i,j))+1)=zft(round(Hue(i,j))+1,round(Saturation(i,j))+1,round(Value(i,j))+1) + 1; end;end;f_id=fopen(filename,'w');fprintf(f_id,'%d\n',zft);fclose(f_id);end;cd '..'return;end4.2.计算距离function jl=calc_RGB_euclidean_distance(id0,id1)cd '.\img'filename0 = sprintf('RGB_zft_%d.txt',id0);filename1 = sprintf('RGB_zft_%d.txt',id1);f_id0=fopen(filename0,'r');zft0=zeros(8,8,8);zft0 = fscanf(f_id0,'%d\n');fclose(f_id0);f_id1=fopen(filename1,'r');zft1=zeros(8,8,8);zft1 = fscanf(f_id1,'%d\n');fclose(f_id1);jl=0;for i=1:512;jl = jl + (zft0(i) - zft1(i))*(zft0(i) - zft1(i));end;cd '..'return;endfunction jl=calc_HSV_euclidean_distance(id0,id1)cd '.\img'filename0 = sprintf('HSV_zft_%d.txt',id0);filename1 = sprintf('HSV_zft_%d.txt',id1);f_id0=fopen(filename0,'r');zft0=zeros(18,3,3);zft0 = fscanf(f_id0,'%d\n');fclose(f_id0);f_id1=fopen(filename1,'r');zft1=zeros(18,3,3);zft1 = fscanf(f_id1,'%d\n');fclose(f_id1);jl=0;for i=1:162;jl = jl + (zft0(i) - zft1(i))*(zft0(i) - zft1(i));end;cd '..'return;end4.3.程序界面5.测试结果6.结论6.1.论文结论基于直方图的图像检索在RGB颜色空间具有比HSV颜色空间更好的检索效果从计算时间的观点上来说，使用HSV颜色空间使用几何或二次方法比使用RGB颜色空间需要更小的时间开销在同时考虑计算时间和检索效率的情况下，在HSV颜色空间下的直方图交叉检索是六种方法中最可取的方法。
二次距离在计算负担下是不具有效率的。
6.2.我的结论基于直方图的图像检索在RGB颜色空间具有比HSV颜色空间更好的检索效果使用HSV颜色空间需要更小的时间开销交叉检索没有效率在考虑时间效率的情况下可以考虑在HSV空间下使用直方图检索7.讨论我们来分析上面结论产生偏差的原因，首先我们来看两个距离公式以及两张最容易检索出来的图片。
在这里我们分析图片的统计数据，从中发现规律，通过将数据从直方图中我们可以看出，对于最容易选出的295图片，其HSV值偏小，易于在距离计算中被选出。
7.1.最终结论对于图片295 ，在HSV空间小的数比例偏小，导致用min选择时容易选到该张图片。
欢迎您的下载，资料仅供参考！致力为企业和个人提供合同协议，策划案计划书，学习资料等等打造全网一站式需求。