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

使用Java实现通用树形结构构建工具类

《使用Java实现通用树形结构构建工具类》这篇文章主要为大家详细介绍了如何使用Java实现通用树形结构构建工具类,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录完整代码一、设计思想与核心功能二、核心实现原理1. 数据结构准备阶段2. 循环依赖检测算法3. 树形结构构建4. 搜索子

MySQL多列IN查询的实现

《MySQL多列IN查询的实现》多列IN查询是一种强大的筛选工具,它允许通过多字段组合快速过滤数据,本文主要介绍了MySQL多列IN查询的实现,具有一定的参考价值,感兴趣的可以了解一下... 目录一、基础语法:多列 IN 的两种写法1. 直接值列表2. 子查询二、对比传统 OR 的写法三、性能分析与优化1.

在C#中调用Python代码的两种实现方式

《在C#中调用Python代码的两种实现方式》:本文主要介绍在C#中调用Python代码的两种实现方式,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C#调用python代码的方式1. 使用 Python.NET2. 使用外部进程调用 Python 脚本总结C#调

Python实现自动化接收与处理手机验证码

《Python实现自动化接收与处理手机验证码》在移动互联网时代,短信验证码已成为身份验证、账号注册等环节的重要安全手段,本文将介绍如何利用Python实现验证码的自动接收,识别与转发,需要的可以参考下... 目录引言一、准备工作1.1 硬件与软件需求1.2 环境配置二、核心功能实现2.1 短信监听与获取2.

使用Python实现获取网页指定内容

《使用Python实现获取网页指定内容》在当今互联网时代,网页数据抓取是一项非常重要的技能,本文将带你从零开始学习如何使用Python获取网页中的指定内容,希望对大家有所帮助... 目录引言1. 网页抓取的基本概念2. python中的网页抓取库3. 安装必要的库4. 发送HTTP请求并获取网页内容5. 解

SpringBoot如何通过Map实现策略模式

《SpringBoot如何通过Map实现策略模式》策略模式是一种行为设计模式,它允许在运行时选择算法的行为,在Spring框架中,我们可以利用@Resource注解和Map集合来优雅地实现策略模式,这... 目录前言底层机制解析Spring的集合类型自动装配@Resource注解的行为实现原理使用直接使用M

Python实现Microsoft Office自动化的几种方式及对比详解

《Python实现MicrosoftOffice自动化的几种方式及对比详解》办公自动化是指利用现代化设备和技术,代替办公人员的部分手动或重复性业务活动,优质而高效地处理办公事务,实现对信息的高效利用... 目录一、基于COM接口的自动化(pywin32)二、独立文件操作库1. Word处理(python-d

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

使用Python实现网络设备配置备份与恢复

《使用Python实现网络设备配置备份与恢复》网络设备配置备份与恢复在网络安全管理中起着至关重要的作用,本文为大家介绍了如何通过Python实现网络设备配置备份与恢复,需要的可以参考下... 目录一、网络设备配置备份与恢复的概念与重要性二、网络设备配置备份与恢复的分类三、python网络设备配置备份与恢复实

Java 中实现异步的多种方式

《Java中实现异步的多种方式》文章介绍了Java中实现异步处理的几种常见方式,每种方式都有其特点和适用场景,通过选择合适的异步处理方式,可以提高程序的性能和可维护性,感兴趣的朋友一起看看吧... 目录1. 线程池(ExecutorService)2. CompletableFuture3. ForkJoi