Matlab)实现HSV非等间隔量化--相似判断:欧式距离--输出图片-

2024-09-07 16:58

本文主要是介绍Matlab)实现HSV非等间隔量化--相似判断:欧式距离--输出图片-,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

%**************************************************************************
                               图像检索——提取颜色特征
%HSV空间颜色直方图(将RGB空间转化为HSV空间并进行非等间隔量化,
%将三个颜色分量表示成一维矢量,再计算其直方图作为颜色特征
%function : Hist = ColorHistogram(Image)
%Image       : 输入图像数据
%Hist         : 返回颜色直方图特征向量256维
%**************************************************************************
function Hist = ColorHistogram(Image)
Image = imread('D:\matlab\work\image_0007.jpg');
[M,N,O] = size(Image);
[h,s,v] = rgb2hsv(Image);
H = h; S = s; V = v;
h = h*360;

%将hsv空间非等间隔量化:
 h量化成16级;
 s量化成4级;
 v量化成4级;
for i = 1:M
       for j = 1:N
               if h(i,j)<=15||h(i,j)>345
                       H(i,j) = 0;
               end
               if h(i,j)<=25&&h(i,j)>15
                       H(i,j) = 1;
               end
               if h(i,j)<=45&&h(i,j)>25
                       H(i,j) = 2;
               end
               if h(i,j)<=55&&h(i,j)>45
                       H(i,j) = 3;
               end
               if h(i,j)<=80&&h(i,j)>55
                       H(i,j) = 4;
               end
               if h(i,j)<=108&&h(i,j)>80
                       H(i,j) = 5;
               end
               if h(i,j)<=140&&h(i,j)>108
                       H(i,j) = 6;
               end
               if h(i,j)<=165&&h(i,j)>140
                       H(i,j) = 7;
               end
               if h(i,j)<=190&&h(i,j)>165
                       H(i,j) = 8;
               end
               if h(i,j)<=220&&h(i,j)>190
                       H(i,j) = 9;
               end
               if h(i,j)<=255&&h(i,j)>220
                       H(i,j) = 10;
               end
               if h(i,j)<=275&&h(i,j)>255
                       H(i,j) = 11;
               end
               if h(i,j)<=290&&h(i,j)>275
                       H(i,j) = 12;
               end
               if h(i,j)<=316&&h(i,j)>290
                       H(i,j) = 13;
               end
               if h(i,j)<=330&&h(i,j)>316
                       H(i,j) = 14;
               end
               if h(i,j)<=345&&h(i,j)>330
                       H(i,j) = 15;
               end
       end
end
for i = 1:M
       for j = 1:N
               if s(i,j)<=0.15&&s(i,j)>0
                       S(i,j) = 0;
               end
               if s(i,j)<=0.4&&s(i,j)>0.15
                       S(i,j) = 1;
               end
               if s(i,j)<=0.75&&s(i,j)>0.4
                       S(i,j) = 2;
               end
               if s(i,j)<=1&&s(i,j)>0.75
                       S(i,j) = 3;
               end
       end
end
for i = 1:M
       for j = 1:N
               if v(i,j)<=0.15&&v(i,j)>0
                       V(i,j) = 0;
               end
               if v(i,j)<=0.4&&v(i,j)>0.15
                       V(i,j) = 1;
               end
               if v(i,j)<=0.75&&v(i,j)>0.4
                       V(i,j) = 2;
               end
               if v(i,j)<=1&&v(i,j)>0.75
                       V(i,j) = 3;
               end
       end
end

%将三个颜色分量合成为一维特征向量:L = H*Qs*Qv+S*Qv+v;Qs,Qv分别是S和V的量化级数, L取值范围[0,255]
%取Qs = 4; Qv = 4
for   i = 1:M
       for j = 1:N
               L(i,j) = H(i,j)*16+S(i,j)*4+V(i,j);
       end
end
%计算L的直方图
for i = 0:255
       Hist(i+1) = size(find(L==i),1);
end
% Hist = Hist/sum(Hist);
T0=Hist;

% 循环读入图像
A=dir('D:\matlab\work\strawberry\*.jpg');
for k=1:size(A)
     B=strcat('\matlab\work\strawberry\',A(k).name);
     Image=imread(B);
%end
[M,N,O] = size(Image);
%M = 256;
%N = 256;

% 计算每一幅图像的颜色直方图

[h,s,v] = rgb2hsv(Image);
H = h; S = s; V = v;
h = h*360;

%将hsv空间非等间隔量化:
 h量化成16级;
 s量化成4级;
 v量化成4级;
for i = 1:M
       for j = 1:N
               if h(i,j)<=15||h(i,j)>345
                       H(i,j) = 0;
               end
               if h(i,j)<=25&&h(i,j)>15
                       H(i,j) = 1;
               end
               if h(i,j)<=45&&h(i,j)>25
                       H(i,j) = 2;
               end
               if h(i,j)<=55&&h(i,j)>45
                       H(i,j) = 3;
               end
               if h(i,j)<=80&&h(i,j)>55
                       H(i,j) = 4;
               end
               if h(i,j)<=108&&h(i,j)>80
                       H(i,j) = 5;
               end
               if h(i,j)<=140&&h(i,j)>108
                       H(i,j) = 6;
               end
               if h(i,j)<=165&&h(i,j)>140
                       H(i,j) = 7;
               end
               if h(i,j)<=190&&h(i,j)>165
                       H(i,j) = 8;
               end
               if h(i,j)<=220&&h(i,j)>190
                       H(i,j) = 9;
               end
               if h(i,j)<=255&&h(i,j)>220
                       H(i,j) = 10;
               end
               if h(i,j)<=275&&h(i,j)>255
                       H(i,j) = 11;
               end
               if h(i,j)<=290&&h(i,j)>275
                       H(i,j) = 12;
               end
               if h(i,j)<=316&&h(i,j)>290
                       H(i,j) = 13;
               end
               if h(i,j)<=330&&h(i,j)>316
                       H(i,j) = 14;
               end
               if h(i,j)<=345&&h(i,j)>330
                       H(i,j) = 15;
               end
       end
end
for i = 1:M
       for j = 1:N
               if s(i,j)<=0.15&&s(i,j)>0
                       S(i,j) = 0;
               end
               if s(i,j)<=0.4&&s(i,j)>0.15
                       S(i,j) = 1;
               end
               if s(i,j)<=0.75&&s(i,j)>0.4
                       S(i,j) = 2;
               end
               if s(i,j)<=1&&s(i,j)>0.75
                       S(i,j) = 3;
               end
       end
end
for i = 1:M
       for j = 1:N
               if v(i,j)<=0.15&&v(i,j)>0
                       V(i,j) = 0;
               end
               if v(i,j)<=0.4&&v(i,j)>0.15
                       V(i,j) = 1;
               end
               if v(i,j)<=0.75&&v(i,j)>0.4
                       V(i,j) = 2;
               end
               if v(i,j)<=1&&v(i,j)>0.75
                       V(i,j) = 3;
               end
       end
end

%将三个颜色分量合成为一维特征向量:L = H*Qs*Qv+S*Qv+v;Qs,Qv分别是S和V的量化级数, L取值范围[0,255]
%取Qs = 4; Qv = 4
for   i = 1:M
       for j = 1:N
               L(i,j) = H(i,j)*16+S(i,j)*4+V(i,j);
       end
end
%计算L的直方图
for i = 0:255
       Hist(i+1) = size(find(L==i),1);
end
% Hist = Hist/sum(Hist);
T=Hist;

% 计算图像库中每一幅图像与查询例子图像的欧式距离
diff = T0-T;
EulerDistance = sqrt( sum( diff(:).*diff(:) ) );
w(k)=EulerDistance;
end

%--------------------------------------------------------------------------
%按颜色的相似性大小显示查询结果图片
%--------------------------------------------------------------------------
[B,IX]=sort(w,2);
A=dir('D:\matlab\work\strawberry\*.jpg');
for n=1:12
         subplot(3,4,n);
         I=imread(strcat('\matlab\work\strawberry\',A(IX(n)).name));
         imshow(I);
end

这篇关于Matlab)实现HSV非等间隔量化--相似判断:欧式距离--输出图片-的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1145620

相关文章

Python实现终端清屏的几种方式详解

《Python实现终端清屏的几种方式详解》在使用Python进行终端交互式编程时,我们经常需要清空当前终端屏幕的内容,本文为大家整理了几种常见的实现方法,有需要的小伙伴可以参考下... 目录方法一:使用 `os` 模块调用系统命令方法二:使用 `subprocess` 模块执行命令方法三:打印多个换行符模拟

SpringBoot+EasyPOI轻松实现Excel和Word导出PDF

《SpringBoot+EasyPOI轻松实现Excel和Word导出PDF》在企业级开发中,将Excel和Word文档导出为PDF是常见需求,本文将结合​​EasyPOI和​​Aspose系列工具实... 目录一、环境准备与依赖配置1.1 方案选型1.2 依赖配置(商业库方案)二、Excel 导出 PDF

Python实现MQTT通信的示例代码

《Python实现MQTT通信的示例代码》本文主要介绍了Python实现MQTT通信的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 安装paho-mqtt库‌2. 搭建MQTT代理服务器(Broker)‌‌3. pytho

使用zip4j实现Java中的ZIP文件加密压缩的操作方法

《使用zip4j实现Java中的ZIP文件加密压缩的操作方法》本文介绍如何通过Maven集成zip4j1.3.2库创建带密码保护的ZIP文件,涵盖依赖配置、代码示例及加密原理,确保数据安全性,感兴趣的... 目录1. zip4j库介绍和版本1.1 zip4j库概述1.2 zip4j的版本演变1.3 zip4

python生成随机唯一id的几种实现方法

《python生成随机唯一id的几种实现方法》在Python中生成随机唯一ID有多种方法,根据不同的需求场景可以选择最适合的方案,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习... 目录方法 1:使用 UUID 模块(推荐)方法 2:使用 Secrets 模块(安全敏感场景)方法

Spring StateMachine实现状态机使用示例详解

《SpringStateMachine实现状态机使用示例详解》本文介绍SpringStateMachine实现状态机的步骤,包括依赖导入、枚举定义、状态转移规则配置、上下文管理及服务调用示例,重点解... 目录什么是状态机使用示例什么是状态机状态机是计算机科学中的​​核心建模工具​​,用于描述对象在其生命

Spring Boot 结合 WxJava 实现文章上传微信公众号草稿箱与群发

《SpringBoot结合WxJava实现文章上传微信公众号草稿箱与群发》本文将详细介绍如何使用SpringBoot框架结合WxJava开发工具包,实现文章上传到微信公众号草稿箱以及群发功能,... 目录一、项目环境准备1.1 开发环境1.2 微信公众号准备二、Spring Boot 项目搭建2.1 创建

IntelliJ IDEA2025创建SpringBoot项目的实现步骤

《IntelliJIDEA2025创建SpringBoot项目的实现步骤》本文主要介绍了IntelliJIDEA2025创建SpringBoot项目的实现步骤,文中通过示例代码介绍的非常详细,对大家... 目录一、创建 Spring Boot 项目1. 新建项目2. 基础配置3. 选择依赖4. 生成项目5.

Linux下删除乱码文件和目录的实现方式

《Linux下删除乱码文件和目录的实现方式》:本文主要介绍Linux下删除乱码文件和目录的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux下删除乱码文件和目录方法1方法2总结Linux下删除乱码文件和目录方法1使用ls -i命令找到文件或目录

SpringBoot+EasyExcel实现自定义复杂样式导入导出

《SpringBoot+EasyExcel实现自定义复杂样式导入导出》这篇文章主要为大家详细介绍了SpringBoot如何结果EasyExcel实现自定义复杂样式导入导出功能,文中的示例代码讲解详细,... 目录安装处理自定义导出复杂场景1、列不固定,动态列2、动态下拉3、自定义锁定行/列,添加密码4、合并