彩色图像特征信息提取设计.doc

成都电子机械高等专科学校成教院
毕 业 设 计（论 文）

论文题目： 彩色图像特征信息提取设计

教 学 点：

指导老师： 熊建国 职 称： 讲师

学生姓名： 学 号:10124224043

专 业： 应用电子技术

成都电子机械高等专科学校成教院制
年 月 日

14 / 21
成都电子机械高等专科学校成教院
毕业设计（论文）任务书

题目： 彩色图像特征信息提取设计

任务及要求：
具体过程分为原图像预处理、图像信息分析、图像特征提取，
然后用MATLAB实现具体过程，最后获得需要颜色特征、纹理特征、
轮廓特征等
时间： 年 月 日 至 年 月 日 共 周
教 学 点： 重庆科创职业学院
学生姓名： 学 号： 10124224043
专业： 应用电子技术
指导单位或教研室：
指导教师： 熊建国 职 称： 讲师

成都电子机械高等专科学校成教院制

毕业设计(论文)进度计划表

日 期
工 作 内 容
执 行 情 况
指导教师
签 字
2011.11.4-2011.11.18
查找资料，选题
良好
熊建国
2011.11.18-2011.12.20
完成论文初稿
良好
熊建国
2011.12.21-2012.1.20
完成论文二稿写作
良好
熊建国
2012.1.21-2012.2.10
完成论文终稿及格式修改
良好
熊建国
2012.2.11-2012.2.25
定稿，打印论文，做好答辩准备
良好
熊建国
2011.3月
论文答辩
良好
熊建国
教师对进度计划
实施情况总评

　　　　　　　　　　　　　　　　　 签名
　　　　　　　　　　　　　　　　　　　　　　年 月 日

本表作评定学生平时成绩依据之一。

摘要
以普通彩色图像为例，介绍了对彩色图像特征提取原理。其具体过程分为原图像预处理、图像信息分析、图像特征提取，然后用MATLAB实现具体过程，最后获得需要颜色特征、纹理特征、轮廓特征等。
对一般彩色图像，通过图像预处理和图像分析，可以提取到图像部分特征,如颜色、形状、纹理特征等，对图像检索和彩色图像处理技术有很大帮助。测试结果表明，本设计充分利用MATLAB中已有函数库，使整个程序设计简单易行。可以有效掌握彩色图像特征信息提取方法和知识点。

关键词：彩色图像 图像预处理 特征提取

目录

第一章 引言 ………………………………………………………………………………1
第一节 选题背景…………………………………………………………………… 1
第二节 程序简介 ……………………………………………………………………1
第三节 课程流程………………………………………………………………………2
第二章 图像预处理………………………………………………………………………3
第一节 直方图修正……………………………………………………………………3
第二节 图像平滑及锐化……………………………………………………………3
第三节 图像类型转换…………………………………………………………………4
第三章 图像分析…………………………………………………………………………5
第一节 像素值统计……………………………………………………………………5
第二节 区域属性………………………………………………………………………5
第四章 特征信息提取………………………………………………………………………6
第一节 彩色图像特征信息提取………………………………………………………6
第二节 彩色图像轮廓提取…………………………………………………………6
第三节 图像分割………………………………………………………………………7
第四节 纹理特征提取…………………………………………………………………7
第五节 傅里叶特征……………………………………………………………………8
第六节 颜色特征提取…………………………………………………………………8
第五章 讨论和结果分析…………………………………………………………………11
结束语………………………………………………………………………………………12
谢辞 ……………………………………………………………………………………13
参考文献……………………………………………………………………………………14
第一章 引言
近年来，数字图像数量正在飞速增长，对日益庞大图像库进行有效管理尤为重要。基于内容图像检索CBIR(Content Based Image Retrieval)，如颜色特征、纹理特征等进行索引方法成为当前多媒体检索研究热点之一。
第一节 选题背景
计算机视觉技术在现代生活中已获得了广泛应用，高效图像处理算法是计算机视觉技术能否获得成功应用关键，近年来，随着计算机视觉研究不断进步、多媒体技术和虚拟现实技术不断完善、彩色成像设备不断改进，彩色图像应用越来越广泛，然而，图像处理研究仍然集中在灰度图像上。对灰度图像技术通常不能用到彩色图像，因为彩色图像更复杂，对计算机计算速度及存储容量更高。彩色图像处理己经成为当前图像处理领域重要研究课题。
图像特征有颜色、形状、纹理等。颜色是物体表面属性，因此对于图像分割和目标识别等研究都具有非常重要意义。颜色在计算机视觉中应用也在不断进步;另一方面，纹理是物体表面结构模式，可以认为是颜色(灰度)在空间以一定变化形式而产生图案(模式)，是图像一种区域性质。

第二节 程序简介
MATLAB是一门编程语言，其语法规则及一般结构化编程语言（如C语言等）大同小异，而且它不需要定义变量和数组，使用更加方便。具有一般语言基础就可以很快掌握。其次MATLAB有代码短小高效特点，由于MATLAB已经将数学问题具体算法编成了现成函数，我们只要熟悉算法特点、使用场合、函数调用格式和参数意义等，通过调用函数就可以很快地解决问题。该软件有六十多个工具箱，可以直接调用，节省时间和精力。工具箱实际上是对MATLAB进行扩展应用一系列MATLAB函数（称为M文件），它可用来求解各类学科问题，包括信号处理、图象处理、控制系统辨识、神经网络等。随着MATLAB版本不断升级，其所含工具箱功能也越来越丰富。随着MATLAB版本不断升级，其所含工具箱功能也越来越丰富，因此，应用范围也越来越广泛，成为涉及数值分析各类工程师不可不用工具。其次，它有强大图形表达功能，不仅可以绘制一般二维、三维图像，如线图、条形图、饼图、散点图、直方图及误差条图等，还可以绘制工程特性较强特殊图形，如玫瑰花图、极坐标图、二维、三维等值线图、三维表面图、假彩色图、二维、三维流线图、三维彩色流锥图、流沙图、流带图、流管图、卷曲图及切片图等，此外还可以生成快照图和进行动画制作，对于图像处理有很重要作用。所以这次研究我们以MATLAB作为实现原理过程程序。
第三节 课题流程
本课题主要环节为彩色图像分析和特征提取，流程图如下：
原始图像 → 图像预处理 → 图像分析 → 特征提取
原始图像：由各种路径获得且能被MATLAB支持各种格式图像数据，如BMP格式、GIF格式、TIF格式、JPEG格式图像等。
图像预处理：直方图修正，灰度变化，图像平滑及锐化，图像类型转换。
图像分析：像素值统计，直方图提取，区域属性等。
特征提取：彩色图像轮廓特征，颜色值特征，纹理特征等。
本文以MATLAB工具箱中一张普通彩色图像‘f l o w e r s .t if’为例，利用MATLAB编程实现彩色图像特征提取。

第二章 图像预处理
第一节 直方图修正
直方图修正应用非常广泛。例如：在医学上，为了改善X射线机操人员工作条件，可以采用低强度X射线曝光，但是这样获得X光片灰度级集中在暗区，许多图像细节无法看清，判断困难，通过修正使灰度级分布在人眼合适亮度区域，就可以使X光片中细节，如筋骨、关节等清晰可见。另外还有一些非可见光成像工业无损检测（如射线成像、红外成像等），军事图像通常有直方图均衡化和直方图规定化两大类。下面介绍其中一种方法—直方图均衡化。
直方图均衡化也称为直方图均匀化，是一种常用灰度增强算法，是将原图直方图经过函数修正为均匀直方图，然后按均衡化直方图修正原图像。具体方法是：
给出原始图像所有灰度级S k, k=0,1,…,L-1。
统计原始图像各灰度级像素n k。
用式p=（S k）= n k/n  计算原始图像直方图。
计算原始图像累计直方图。
取整计算：T k=I n t[(N-1) t k +k /N]
确定映射关系S k →t k。
统计新直方图各灰度级像素n k。
计算新直方图：p k=n k/n

第二节 图像平滑及锐化
图像平滑－低通滤波:一般说来，图像边缘和噪声都应对于傅里叶变换中高频部分，所以能让低频信赖畅通无阻而同时滤波掉高频分量低通滤波器能够平滑图像，去除噪声。这里应该指出，傅里叶变换主要能量都集中在频谱中心，合理选择截止频率对保留图像能量是至关重要，以一副256×256图像为例，如果D0=5，那么理想低通滤波器将保存图像98%能量。随着D0增大，图像能量将迅速流失，如果D0=22，那么98%能量将会通过该滤波器流失。另外，理想低通滤波后图像将会出现一种“振铃”特性，造成图像不同程度模糊，D0越小，模糊程度越明显。造成这种模糊原因在于理想低通滤波器传递函数H(u，v)在D0处由1变为0，该H(u，v)经过傅里叶反变换后在空域中将表现为同心圆形式。

图像锐化－高通滤波：由于图像中灰度发生骤变部分及其频谱高频分量相对应，所以应采用高频滤波器衰减或抑制低频分量，使高频分量畅通并能够对图像进行锐化由于经过高通滤波处理后图像丢失了许多低频信息，所以图像平滑区基本会消失。为此，需要采用高频加强滤波来弥补。高频加强滤波就是在设计滤波传递函数时，在原有设计结处理。果上添加一个大于0，小于1常数c，

即
H ’(u ,v)=H(u ,v)+c
于是滤波结果为G’(u ,v)=F(u ,v)H’(u ,v)=F(u, v)H(u, v)+c H(u ,v)

由上式可见，高频加强滤波在高频滤波基础上保留了c F(u ,v)低分量，高频分量也比一般高通滤波时加强了c F(u ,v ),故称为高频加强滤波，这种滤波处理效果比一般高频滤波要好。

第三节 图像类型转换
在MATLAB中图像类型可分为二值图像、索引图像、灰度图像、多帧图像和RGB图像，许多图像处理对图像图像类型有一定要求，如MATLAB中彩色图像轮廓及边缘提取需要将真彩图像转换为灰度图像，而具体过程只需要通过rgb2gray函数就可以实现，同样将彩色图像二值化也只需通过im2bw函数就能获得。
第三章 图像分析
第一节 像素值统计
像素值在彩色图像中表示为颜色值信息，用于彩色图像颜色特征提取。MATLAB图像处理工具箱提供有pivot函数和 I m p I x e l函数用于提供图像特定像素数据值（灰度值或颜色值）信息。而I m p r o f i le函数用于沿着图像中一条直线段或折线段计算和绘制图像像素值图像。

第二节 区域属性
图像区域有关属性有区域面积、质心、均值、标准差和相关系数等等，对于彩色图像纹理等特征提取有很大作用，在MATLAB中可以用mean2函数、std2函数和corr2函数分别计算图像矩阵均值、标准差和两个相同矩阵相关系数。有关他们用法不再细讲。而对于选定图像区域可以用r e g i o n p r o p s函数来计算，例如，区域面积、质心、包含域边框等区。
第四章 特征信息提取
第一节 彩色图像特征信息提取
通过图像信息去测量、识别或理解其中对象物，依赖于一些能表征对象物图像物理特征，如边缘、区域、形状、颜色、纹理等等。通过各种处理方法，将包含图像信息必要特征显露出来，并加以量化处理称之为彩色图像特征提取。

第二节 彩色图像轮廓提取
边缘、轮廓特征是可以直观观测特征之一，也是描述物体外形形态特征。在图像处理技术中，许多场合都要求计算机进行图像描述，并按照特征对图像进行分析和理解。如在医学癌细胞识别中，要求能够从显微镜中得到有关癌细胞形状描述等。而边缘检测技术是所有基于边界分割图像分析方法第一步。 边缘检测可以借助空域微分算子利用卷积来实现。常用微分算子有梯度算子和拉普拉斯算子等，这些算子不但可以检测图像而为边缘，还可以检测图像序列三维边缘。用微分算子对图像进行边缘检测所得边界常常会发生断裂现象。所以需要通过领域端点搜索、曲线拟合和Hough变换等方法将边缘连接起来。
这里所用边缘检测算子为canny算子，它检测边缘方法是寻找图像梯度局部极大值，梯度是用高斯滤波器倒数计算。Canny方法使用两个阈值来分别检测强边缘和弱边缘，而且仅当弱边缘及强边缘相连时，弱边缘才会包含在输出中，因此，此方法不容易受噪声干扰，能够检测真正弱边缘。 而连接方法选用Hough变换，它主要优点是受噪声和曲线间断影响小，利用Hough变换出来可以进行边界连接之外，还可以用来直接检测某些一直形状目标。Hough变换是利用图像全局特征将边缘像素连接起来形成封闭边界一种连接方法。利用点及直线对偶性特点，在图像空间中，所有过点（x ,y）直线都满足以下方程：

y=k x +b用极坐标表示式为：ρ=x c o s θ +y s i n θ

其中，（ρ，θ）定义了一个从原点到直线上最近点向量，该向量及直线垂

直，极坐标变换就称做直线Hough变换。由于x-y平面中直线上各个边缘点都满足参数等式，所以x-y空间中所有边缘对应正弦曲线都相交于点（ρ0，θ0），可以建立一个位于参数空间中直方图，对于每一个边缘点，给参数空间中所有及之对应正弦曲线直方图方格一个增量。于是，当所有边缘点都经过这种处理后，包含（ρ0，θ0）方格将具有局部最大值，通过对参数空间直方图进行局部最大值搜索就可以获得边界直线参数。
第三节 图像分割
图像分割是由图像处理到图像分析关键步骤，也是一种基本计算机视觉技术。随图像处理，诸如特征提取和对象识别，都依赖于图像分割质量。图像分割就是指把像分成各具特性区域并提取感兴趣目标技术和过程。尽管人们在图像分割方面做了许多研究工作，但由于没有通用分割理论，现己提出分割算法大都是针对具体问题，并没有一种适合所有图像通用分割算法[7]。对于彩色图像分割问题，必须充分利用彩色图像所包含丰富色彩信息，选择适当特征，使目标和背景能依据特征上差别进行区分，利用这个颜色特征将彩色图像转变成灰度图像，再确定阈值将灰度图像二值化。

第四节 纹理特征提取
为了获得较好分割效果，选择纹理特征时要兼顾图像局部灰度特性以及像素点彼此之间灰度依赖性,因此,本文选用以像素点为中心窗口灰度共生矩阵特征作为该像素点纹理特征。
灰度共生矩阵（Gray Level Concurrence Matrix）是近年来发展起来分析纹理特性有效方法，它反应了图像中任意两点灰度相关性。灰度共生矩阵被定义为从灰度值为i像素点离开某个位置关系δ=（⊿X，⊿Y）上点灰度值为j距离，两像素位置关系如图2所示，即k（i，j）={(x，y)|f(x，y)=I 且f(x+⊿X，y+⊿Y)=j，x，y=0,1,…,N-1}集合像素个数。

其中，x，y是图像中像素坐标，f(x，y)是该点灰度值，I ，j=0,1,…,L-1，L是灰度级数目，⊿X，⊿Y是偏移量。标识图像纹理特征有很多，常用统计分量主要有纹理一致性、纹理反差、纹理熵和纹理相关性。本文选用了纹理一致性作为纹理特征，具体定义如下：
纹理一致性：其中p(I ，j)为归一化共生矩阵中灰度级对为(I ，j)联合概率，k[I ] [j]是{(x，y)|f(x，y)=I 且f(x+⊿X, ⊿y+ Y)=j; x，y=0,1…N-1}集合像素个数，L是灰度级数目。

第五节 傅里叶特征
计算纹理要选择窗口，仅一个点是无纹理可言，所以纹理是二维。在纹理分析中使用到是傅立叶变换，主要原因是图像傅立叶变换能量谱能在一定程度上反映某些特征。设纹理图像为f(x，y), 其功率谱定义为：

｜F(u，v)｜＝F(u，v) F(u，v)

其中F(u，v)为F(u，v)共轭复数。功率谱F(u，v)反映了整个性质。由此可知：如果一个幅图像纹理较粗糙，即图像灰度变化很少或较慢，则在小（u+ v）值处｜F(u，v)｜有较大值；如果一副图像纹理较细腻，即图像灰度变化频繁或较快，则在大（u+ v）值处｜F(u，v)｜应有较大值。因此，如果想要检测纹理粗糙、细腻性质，一个有用度量就是｜F(u，v)｜随（u+ v）变化情况。
如果把傅立叶变换用极坐标形式表示，则有F(r，θ)形式。考虑到原点为r圆上能量为 Φ r=∫| F(r ,θ)|d θ 经实际纹理图像研究表明：在纹理较粗情况下，能量多集中在离原点近范围内，而在纹理较细情况下，能量分散在离原点较远范围内。由此可得出如下结论：如果r较小，Φ r很大；r很大时Φ r反而较小，则说明纹理是粗糙；反之如果r变化对Φ r影响不是很大时，则说明纹理是比较细。

第六节 颜色特征提取
特征提取主要任务是把图像颜色特征提取出来存入图像特征数据库,以此特征作图像检索主要依据,主要步骤为:
(1)将RGB颜色空间转换为适合肉眼分辨HSV颜色空间;
(2)HSV空间非等间隔量化;
（3)根据量化后图像统计得到直方图。

一、RGB颜色空间转换HSV颜色空间

颜色被公认为是图像检索中最有价值底层特征,因此颜色就成为了图像检索中用最多视觉特征。对于复杂背景图像,颜色特征具有相对良好鲁棒(robust)性,并且不受图像尺寸和方向影响。常用颜色空间有:RGB、HSI、HSL、HSB、CMYK、HSV等,采用何种颜色空间并没有统一标准,对于RGB颜色模型是用红、绿、蓝三种基色来表示各种颜色,但RGB颜色空间不能很好及感知上颜色空间结合起来,较好是HSV模型,因此在这里需要RGB到HSV转换。对于HSV颜色空间,又称为六椎体模型,给定RGB颜色空间值(r，g，b),其中r，g，b∈[0,255],则变换到HSV空间H,S,V值,

可设v'=max(r，g，b),定义:{r'，g'，b'}为:r'=(v'-r)/(v'-min(r，g，b)) g'=(v'-g)/(v'-min(r，g，b)) b'=(v'-b)/(v'-min(r，g，b))则有v=v'/255,s=(v'-min(r，g，b))/v' h’=5+b’,r=max(r，g，b)且g=min(r，g，b);1-g’, r=max(r，g，b)且g=min(r，g，b); 1+r’ g=max(r，g，b) ，3-b’,g=max(r，g，b)且b=min(r，g，b); 3+g’,b=max(r，g，b)且r=min(r，g，b) 5-r’,其他 h=h'×60这里r，g，b∈[0,255],h∈[0,360],s∈[0,1],v∈[0,1]

二、HSV空间非等间隔量化
将h ,s ,v 3个分量按人颜色感知进行非等间隔量化,从对颜色模型大量分析和计算。可把色调h分成16份,饱和度s和亮度v分别分成4份,并据色彩不同范围进行量化,量化后色调、饱和度和亮度值分别为H,S,V。
如果h∈(345,15]; S=0, 如果h∈(15,25]; s=1,如果h∈(0.15,0.4];s=2, 如果h∈(25,45]；s=2,如果h∈(0.4,0.75];s=3,如果h∈(45,55];s=3, 如果h∈(0.75,1];s=4,如果h∈(55,80];s=5,如果h∈(80,108];s= 6，如果h∈(108,140];s= 7, 如果h∈(140,165];s=8,如果h∈(165,190]; V=0, 如果h∈(0,0.15];v= 9,如果h∈(190,220];v=1,如果v∈(0.15,0.4];v=10,如果h∈(220,255];v= 2,如果h∈(0.4,0.75];v= 11,如果h∈(255,275];v=3,如果h∈(0.75,1];v= 12,如果h∈(275,290];v= 13,如果h∈(290,316]v=14,如果h∈(316,330];v=15;

上面h，s，v取值区间均为前开后闭。量化完成后,我们把颜色空间划

分为L h× L s× L v个相似色空间,其中L h·Ls·L v分别表示三个量化级数,把3个颜色分量合成为一维特征矢量,即L=H× Ls× L v+ S×L v +V其中Ls和L v分别是S和V量化级数,取Ls=2,Lv=3因此上式可表示为:L=6H+3S+V这样H,S,V三个分量就在一维矢量上分布开来。其中L取值范围是[0~35],即根据量化后图象可以统计得到36柄一维直方图。

三、提取颜色直方图

颜色直方图是颜色信息函数,它表示图像中具有同颜色级别像素个数,其横坐标是颜色级别,纵坐标是颜色出现频率(像素个数)。因此颜色直方图(color histogram)是用来表达颜色特征最常用手段。颜色直方图定义如下:设图像I大小为w*h图像，其中图像I中颜色量化值分别为C1，C2，…C n。对于象素点p=(x，y)∈I,令C(p)表示其颜色，即I{p │C(p)=C}。那么对于颜色C I ，I ∈m，图像I直方图为: H C i (I)=‖ I C I ‖。为了保证尺度不变性，一般对直方图进行标准化:h C I=Pr[p∈I C I ]= H C i(I)/w*h。
局部颜色特征区域颜色直方图和区域颜色分布特征,后者包括区域颜色矩(主要是均值和方差)、区域颜色极大、极小值等。下面给出局部直方图定义和处理方法:从广义角度,颜色直方图可定义为某个图像、区域或目标中颜色分布情况描述,其定义形式为:
H c(k)=∑（x，y）∈R h(C(x，y)) R为图像区域。
由于区域颜色分布具有局域性,有颜色出现很少,为了简化直方图描述,有必要对其进行优选。一种基于阀值颜色集(color set)思想是针对颜色直方图中每个颜色项k,引入阀值T：
B k={1 如果≥T}
显然,b k是否为1可以判断区域内颜色k在处理时是否可以忽略。如果颜色k像素数目小于给定某个阀值,该颜色将被忽略。这样就在一定程度上简化了直方图后期索引及匹配工作量。

第五章 讨论和结果分析
本次课题研究取得较为令人满意结果，为了得到相关信息，我们翻阅许多图像处理和MATLAB程序资料。通过小组分工努力，把上述流程一一做完，最终通过MATLAB程序，实现了彩色图像部分特征提取。但是本次课题还存在很多不足，比如在颜色特征提取部分，还有更多算法有待更深入研究。
对一般彩色图像，通过图像预处理和图像分析，可以提取到图像部分特征,如颜色、形状、纹理特征等，对图像检索和彩色图像处理技术有很大帮助。测试结果表明，本设计充分利用MATLAB中已有函数库，使整个程序设计简单易行。
结束语
通过本次精心设计，使我懂得了只有坚持到底，一步一个脚印，踏踏实实完成每一个步骤，没有什么任务是不能完成。
从这次设计中学会了彩色图像特征信息提取方法和步骤，了解了其中原理意义。
图像分析和预处理非常重要，他是彩色图像特征信息提取关键部分，也就是提取前提。
在特征信息提取课题中，提取内容有几个方面，需要把他们分别提取然后总结出来，才能完成整个信息提取。
谢辞
论文从拟定题目到定稿，历时数月。在论文写作过程中,感谢老师精心指导，使我毕业设计能够更完整，更充实。
同时，还要感谢三年中孜孜不倦为我们讲课老师们，是他们毫无保留将他们知识传授给我们，才使得今天我能够顺利完成我毕业设计。
另外，衷心感谢我同窗同学们，在我毕业论文写作中，及他们探讨交流使我受益颇多；同时，他们也给了我很多无私帮助和支持，我再次深表谢意。
最后，向我亲爱家人和亲爱朋友表示深深谢意，他们给予我爱、理解、关心和支持是我不断前进动力。
相信我们明天会更好！
参考文献

[1]余成波. 数字图像处理及MATLAB实现. 重庆大学出版社. 2003.6 
[2]王洪元. MATLAB语言及其在电子信息工程中应用. 清华大学出版社. 2004.12
[3]贺兴华, 周媛媛, 王继阳, 周晖. MATLAB7.x图像处理. 人民邮电出版社. 2006.11
[4]许飞, 施小红. MATLAB应用图像处理. 西安电子科技大学出版社. 2002.5
[5]巩艳华, 朱爱红, 代凌云. 福建电脑 （ Fujian Computer）. 2007.05
[6]于铂, 郑丽敏, 田立军. 计算机工程（ Computer Engineering）. 2006.03
[7]陈丽, 苏海锋,王岩,孙玉梅.计算机及信息技术 （ Computer & Information Technology）. 2006.03