顏色直方圖演算法

『壹』 將rgb圖像轉為hsi之後，怎麼對色調H畫出顏色直方圖

TIFF是一種比較靈活的圖像格式，它的全稱是Tagged Image File Format，文件擴展名為TIF或TIFF。該格式支持256色、24位真彩色、32位色、48位色等多種色彩位，同時支持RGB、CMYK以及YCbCr等多種色彩模式，支持多平台。TIFF文件可以是不壓縮的，文件體積較大，也可以是壓縮的，支持RAW、RLE、LZW、JPEG、 CCITT3組和4組等多種壓縮方式。 GIF GIF(Graphics Interchange Format)的原義是「圖像互換格式」，是CompuServe公司在 1987年開發的圖像文件格式。GIF文件的數據，是一種基於LZW演算法的連續色調的無損壓縮格式。其壓縮率一般在50％左右，它不屬於任何應用程序。目前幾乎所有相關軟體都支持它，公共領域有大量的軟體在使用GIF圖像文件。GIF圖像文件的數據是經過壓縮的，而且是採用了可變長度等壓縮演算法。所以GIF的圖像深度從lbit到8bit，也即GIF最多支持256種色彩的圖像。GIF格式的另一個特點是其在一個GIF文件中可以存多幅彩色圖像，如果把存於一個文件中的多幅圖像數據逐幅讀出並顯示到屏幕上，就可構成一種最簡單的動畫。 GIF分為靜態GIF和動畫GIF兩種，支持透明背景圖像，適用於多種操作系統，「體型」很小，網上很多小動畫都是GIF格式。其實GIF是將多幅圖像保存為一個圖像文件，從而形成動畫,所以歸根到底GIF仍然是圖片文件格式。 jpg jpg全名應該是JPEG JPEG 圖片以 24 位顏色存儲單個光柵圖像。JPEG 是與平台無關的格式，支持最高級別的壓縮，不過，這種壓縮是有損耗的。漸近式 JPEG 文件支持交錯。 可以提高或降低 JPEG 文件壓縮的級別。但是，文件大小是以圖像質量為代價的。壓縮比率可以高達 100:1。（JPEG 格式可在 10:1 到 20:1 的比率下輕松地壓縮文件，而圖片質量不會下降。）JPEG 壓縮可以很好地處理寫實攝影作品。但是，對於顏色較少、對比級別強烈、實心邊框或純色區域大的較簡單的作品，JPEG 壓縮無法提供理想的結果。有時，壓縮比率會低到 5:1，嚴重損失了圖片完整性。這一損失產生的原因是，JPEG 壓縮方案可以很好地壓縮類似的色調，但是 JPEG 壓縮方案不能很好地處理亮度的強烈差異或處理純色區域。 優點：攝影作品或寫實作品支持高級壓縮。 利用可變的壓縮比可以控制文件大小。 支持交錯（對於漸近式 JPEG 文件）。 廣泛支持 Internet 標准。 缺點： 有損耗壓縮會使原始圖片數據質量下降。 當您編輯和重新保存 JPEG 文件時，JPEG 會混合原始圖片數據的質量下降。這種下降是累積性的。 JPEG 不適用於所含顏色很少、具有大塊顏色相近的區域或亮度差異十分明顯的較簡單的圖片。 jpg格式是一種圖片格式，使一種比較常見的圖畫格式，如果你的圖片是其他格式的話，你可以通過以下方法轉化： 1、photoshop ，打開圖畫以後，按另存為，下面格式那裡選擇JPG格式就是了，這個方法比較簡單，而且適合畫質比較好的，要求比較高的圖片轉換。 2、如果你要求不高，你直接通過windows附帶的圖畫程序，選擇JPG格式就行了，這個來轉換的話，畫質嘛，馬馬虎虎，不過在網上嘛，過得去了！ 如果JPG格式轉其他格式，這樣的方法同樣適用。 JPEG （Joint Photographic Experts GROUP）是由國際標准組織（ISO:International Standardization Organization）和國際電話電報咨詢委員會（CCITT:Consultation Commitee of the International Telephone and Telegraph）為靜態圖象所建立的第一個國際數字圖象壓縮標准，也是至今一直在使用的、應用最廣的圖像壓縮標准。JPEG由於可以提供有損壓縮，因此壓縮比可以達到其他傳統壓縮演算法無法比擬的程度。 JPEG的壓縮模式有以下幾種： 順序式編碼（Sequential Encoding） 一次將圖象由左到右、由上到下順序處理。 遞增式編碼（Progressive Encoding） 當圖象傳輸的時間較長時，可將圖象分數次處理，以從模糊到清晰的方式來傳送圖象（效果類似GIF在網路上的傳輸）。 無失真編碼（Lossless Encoding） 階梯式編碼（Hierarchical Encoding） 圖象以數種解析度來壓縮，其目的是為了讓具有高解析度的圖象也可以在較低解析度的設備上顯示。 由於JPEG的無損壓縮方式並不比其他的壓縮方法更優秀，因此我們著重來看它的有損壓縮。以一幅24位彩色圖象為例，JPEG的壓縮步驟分為： 1.顏色轉換 2.DCT變換 3.量化 4.編碼 1.顏色轉換 由於JPEG只支持YUV顏色模式的數據結構，而不支持RGB圖象數據結構，所以在將彩色圖象進行壓縮之前，必須先對顏色模式進行數據轉換。各個值的轉換可以通過下面的轉換公式計算得出： Y=0.299R+0.587G+0.114B U=-0.169R-0.3313G+0.5B V=0.5R-0.4187G-0.0813B 其中，Y表示亮度，U和V表示顏色。 轉換完成之後還需要進行數據采樣。一般採用的采樣比例是2：1：1或4：2：2。由於在執行了此項工作之後，每兩行數據只保留一行，因此，采樣後圖象數據量將壓縮為原來的一半。 2.DCT變換 DCT（Discrete Consine Transform）是將圖象信號在頻率域上進行變換，分離出高頻和低頻信息的處理過程。然後再對圖象的高頻部分（即圖象細節）進行壓縮，以達到壓縮圖象數據的目的。 首先將圖象劃分為多個8*8的矩陣。然後對每一個矩陣作DCT變換（變換公式此略）。變換後得到一個頻率系數矩陣，其中的頻率系數都是浮點數。 3.量化 由於在後面編碼過程中使用的碼本都是整數，因此需要對變換後的頻率系數進行量化，將之轉換為整數。 由於進行數據量化後，矩陣中的數據都是近似值，和原始圖象數據之間有了差異，這一差異是造成圖象壓縮後失真的主要原因。 在這一過程中，質量因子的選取至為重要。值選得過大，可以大幅度提高壓縮比，但是圖象質量就比較差；反之，質量因子越小（最小為1），圖象重建質量越好，但是壓縮比越低。對此，ISO已經制定了一組供JPEG代碼實現者使用的標准量化值。 4.編碼 從前面過程我們可以看到，顏色轉換完成到編碼之前，圖象並沒有得到進一步的壓縮，DCT變換和量化可以說是為編碼階段做准備。 編碼採用兩種機制：一是0值的行程長度編碼；二是熵編碼（Entropy Coding）。 在JPEG中，採用曲徊序列，即以矩陣對角線的法線方向作「之」字排列矩陣中的元素。這樣做的優點是使得靠近矩陣左上角、值比較大的元素排列在行程的前面，而行程的後面所排列的矩陣元素基本上為0值。行程長度編碼是非常簡單和常用的編碼方式，在此不再贅述。 編碼實際上是一種基於統計特性的編碼方法。在JPEG中允許採用HUFFMAN編碼或者算術編碼。

『貳』 使用MATLAB計算RGB數據的顏色直方圖

I=imread('sample.bmp'); % 文件名自己改
siz=size(I);
I1=reshape(I,siz(1)*siz(2),siz(3)); % 每個顏色通道變為一列
I1=double(I1);
[N,X]=hist(I1, [0:1:255]); % 如果需要小矩形寬一點，劃分區域少點，可以把步長改大，比如0:5:255
bar(X,N(:,[3 2 1])); % 柱形圖，用N(:,[3 2 1])是因為默認繪圖的時候採用的顏色順序為b,g,r,c,m,y,k，跟圖片的rgb順序正好相反，所以把圖片列的順序倒過來，讓圖片顏色通道跟繪制時的顏色一致
xlim([0 255])
hold on
plot(X,N(:,[3 2 1])); % 上邊界輪廓
hold off

『叄』 對一張圖片進行特徵提取的具體演算法和程序。越具體越好。感謝，例如算出圖像的形狀長寬高之類的。

對一張圖片進行特徵提取的具體演算法和程序，越具體越好，感謝例如算出圖像的形狀，長寬之類的，我覺得對圖片特徵提取的體術法並沒有什麼具體演算法，因為每個相機照出來的圖片，它的放大縮小都是不一樣的，不可能從一個圖片算出一個圖像的長寬高，只能夠算出一個大概的長寬高，如果要算出非常准確的茶膏，只能用一些紅外測距儀，還有某些特定的儀器才能構測量出，一些建築物的長寬高不能夠從一個圖片上面去算出一個建築物的長寬高的是根本沒法算出來的。

『肆』 camshift演算法可以和什麼結合

camshift利用目標的顏色直方圖模型將圖像轉換為顏色概率分布圖，初始化一個搜索窗的大小和位置，並根據上一幀得到的結果自適應調整搜索窗口的位置和大小，從而定位出當前圖像中目標的中心位置。

分為三個部分：
1--色彩投影圖（反向投影）：
(1).RGB顏色空間對光照亮度變化較為敏感，為了減少此變化對跟蹤效果的影響，首先將圖像從RGB空間轉換到HSV空間。(2).然後對其中的H分量作直方圖，在直方圖中代表了不同H分量值出現的概率或者像素個數，就是說可以查找出H分量大小為h的概率或者像素個數，即得到了顏色概率查找表。(3).將圖像中每個像素的值用其顏色出現的概率對替換，就得到了顏色概率分布圖。這個過程就叫反向投影，顏色概率分布圖是一個灰度圖像。

2--meanshift
meanshift演算法是一種密度函數梯度估計的非參數方法，通過迭代尋優找到概率分布的極值來定位目標。
演算法過程為：
(1).在顏色概率分布圖中選取搜索窗W
(2).計算零階距：

計算一階距：

計算搜索窗的質心：

(3).調整搜索窗大小
寬度為；長度為1.2s；
(4).移動搜索窗的中心到質心，如果移動距離大於預設的固定閾值，則重復2)3)4)，直到搜索窗的中心與質心間的移動距離小於預設的固定閾值，或者循環運算的次數達到某一最大值，停止計算。關於meanshift的收斂性證明可以google相關文獻。

3--camshift
將meanshift演算法擴展到連續圖像序列，就是camshift演算法。它將的所有幀做meanshift運算，並將上一幀的結果，即搜索窗的大小和中心，作為下一幀meanshift演算法搜索窗的初始值。如此迭代下去，就可以實現對目標的跟蹤。
演算法過程為：
(1).初始化搜索窗
(2).計算搜索窗的顏色概率分布（反向投影）
(3).運行meanshift演算法，獲得搜索窗新的大小和位置。
(4).在下一幀圖像中用(3)中的值重新初始化搜索窗的大小和位置，再跳轉到(2)繼續進行。

『伍』 圖像的特徵提取都有哪些演算法

常用的圖像特徵有顏色特徵、紋理特徵、形狀特徵、空間關系特徵。

一 顏色特徵

（一）特點：顏色特徵是一種全局特徵,描述了圖像或圖像區域所對應的景物的表面性質。一般顏色特徵是基於像素點的特徵，此時所有屬於圖像或圖像區域的像素都有各自的貢獻。由於顏色對圖像或圖像區域的方向、大小等變化不敏感，所以顏色特徵不能很好地捕捉圖像中對象的局部特徵。另外，僅使用顏色特徵查詢時，如果資料庫很大，常會將許多不需要的圖像也檢索出來。顏色直方圖是最常用的表達顏色特徵的方法，其優點是不受圖像旋轉和平移變化的影響，進一步藉助歸一化還可不受圖像尺度變化的影響，基缺點是沒有表達出顏色空間分布的信息。

（二）常用的特徵提取與匹配方法

（1） 顏色直方圖

其優點在於：它能簡單描述一幅圖像中顏色的全局分布，即不同色彩在整幅圖像中所佔的比例，特別適用於描述那些難以自動分割的圖像和不需要考慮物體空間位置的圖像。其缺點在於：它無法描述圖像中顏色的局部分布及每種色彩所處的空間位置，即無法描述圖像中的某一具體的對象或物體。

最常用的顏色空間：RGB顏色空間、HSV顏色空間。

顏色直方圖特徵匹配方法：直方圖相交法、距離法、中心距法、參考顏色表法、累加顏色直方圖法。

（2） 顏色集

顏色直方圖法是一種全局顏色特徵提取與匹配方法，無法區分局部顏色信息。顏色集是對顏色直方圖的一種近似首先將圖像從 RGB顏色空間轉化成視覺均衡的顏色空間（如 HSV 空間），並將顏色空間量化成若干個柄。然後，用色彩自動分割技術將圖像分為若干區域，每個區域用量化顏色空間的某個顏色分量來索引，從而將圖像表達為一個二進制的顏色索引集。在圖像匹配中，比較不同圖像顏色集之間的距離和色彩區域的空間關系

（3） 顏色矩

這種方法的數學基礎在於：圖像中任何的顏色分布均可以用它的矩來表示。此外，由於顏色分布信息主要集中在低階矩中，因此，僅採用顏色的一階矩（mean）、二階矩（variance）和三階矩（skewness）就足以表達圖像的顏色分布。

（4） 顏色聚合向量

其核心思想是：將屬於直方圖每一個柄的像素分成兩部分，如果該柄內的某些像素所佔據的連續區域的面積大於給定的閾值，則該區域內的像素作為聚合像素，否則作為非聚合像素。

（5） 顏色相關圖

二 紋理特徵

（一）特點：紋理特徵也是一種全局特徵，它也描述了圖像或圖像區域所對應景物的表面性質。但由於紋理只是一種物體表面的特性，並不能完全反映出物體的本質屬性，所以僅僅利用紋理特徵是無法獲得高層次圖像內容的。與顏色特徵不同，紋理特徵不是基於像素點的特徵，它需要在包含多個像素點的區域中進行統計計算。在模式匹配中，這種區域性的特徵具有較大的優越性，不會由於局部的偏差而無法匹配成功。作為一種統計特徵，紋理特徵常具有旋轉不變性，並且對於雜訊有較強的抵抗能力。但是，紋理特徵也有其缺點，一個很明顯的缺點是當圖像的解析度變化的時候，所計算出來的紋理可能會有較大偏差。另外，由於有可能受到光照、反射情況的影響，從2-D圖像中反映出來的紋理不一定是3-D物體表面真實的紋理。

例如，水中的倒影，光滑的金屬面互相反射造成的影響等都會導致紋理的變化。由於這些不是物體本身的特性，因而將紋理信息應用於檢索時，有時這些虛假的紋理會對檢索造成「誤導」。

在檢索具有粗細、疏密等方面較大差別的紋理圖像時，利用紋理特徵是一種有效的方法。但當紋理之間的粗細、疏密等易於分辨的信息之間相差不大的時候，通常的紋理特徵很難准確地反映出人的視覺感覺不同的紋理之間的差別。

（二）常用的特徵提取與匹配方法

紋理特徵描述方法分類

（1）統計方法統計方法的典型代表是一種稱為灰度共生矩陣的紋理特徵分析方法Gotlieb 和 Kreyszig 等人在研究共生矩陣中各種統計特徵基礎上，通過實驗，得出灰度共生矩陣的四個關鍵特徵：能量、慣量、熵和相關性。統計方法中另一種典型方法，則是從圖像的自相關函數（即圖像的能量譜函數）提取紋理特徵，即通過對圖像的能量譜函數的計算，提取紋理的粗細度及方向性等特徵參數

（2）幾何法

所謂幾何法，是建立在紋理基元（基本的紋理元素）理論基礎上的一種紋理特徵分析方法。紋理基元理論認為，復雜的紋理可以由若干簡單的紋理基元以一定的有規律的形式重復排列構成。在幾何法中，比較有影響的演算法有兩種：Voronio 棋盤格特徵法和結構法。

（3）模型法

模型法以圖像的構造模型為基礎，採用模型的參數作為紋理特徵。典型的方法是隨機場模型法，如馬爾可夫（Markov）隨機場（MRF）模型法和 Gibbs 隨機場模型法

（4）信號處理法

紋理特徵的提取與匹配主要有：灰度共生矩陣、Tamura 紋理特徵、自回歸紋理模型、小波變換等。

灰度共生矩陣特徵提取與匹配主要依賴於能量、慣量、熵和相關性四個參數。Tamura 紋理特徵基於人類對紋理的視覺感知心理學研究，提出6種屬性，即：粗糙度、對比度、方向度、線像度、規整度和粗略度。自回歸紋理模型（simultaneous auto-regressive, SAR）是馬爾可夫隨機場（MRF）模型的一種應用實例。

三 形狀特徵

（一）特點：各種基於形狀特徵的檢索方法都可以比較有效地利用圖像中感興趣的目標來進行檢索，但它們也有一些共同的問題，包括：①目前基於形狀的檢索方法還缺乏比較完善的數學模型；②如果目標有變形時檢索結果往往不太可靠；③許多形狀特徵僅描述了目標局部的性質，要全面描述目標常對計算時間和存儲量有較高的要求；④許多形狀特徵所反映的目標形狀信息與人的直觀感覺不完全一致，或者說，特徵空間的相似性與人視覺系統感受到的相似性有差別。另外，從 2-D 圖像中表現的 3-D 物體實際上只是物體在空間某一平面的投影，從 2-D 圖像中反映出來的形狀常不是 3-D 物體真實的形狀，由於視點的變化，可能會產生各種失真。

（二）常用的特徵提取與匹配方法

Ⅰ幾種典型的形狀特徵描述方法

通常情況下，形狀特徵有兩類表示方法，一類是輪廓特徵，另一類是區域特徵。圖像的輪廓特徵主要針對物體的外邊界，而圖像的區域特徵則關繫到整個形狀區域。

幾種典型的形狀特徵描述方法：

（1）邊界特徵法該方法通過對邊界特徵的描述來獲取圖像的形狀參數。其中Hough 變換檢測平行直線方法和邊界方向直方圖方法是經典方法。Hough 變換是利用圖像全局特性而將邊緣像素連接起來組成區域封閉邊界的一種方法，其基本思想是點—線的對偶性；邊界方向直方圖法首先微分圖像求得圖像邊緣，然後，做出關於邊緣大小和方向的直方圖，通常的方法是構造圖像灰度梯度方向矩陣。

（2）傅里葉形狀描述符法

傅里葉形狀描述符(Fourier shape descriptors)基本思想是用物體邊界的傅里葉變換作為形狀描述，利用區域邊界的封閉性和周期性，將二維問題轉化為一維問題。

由邊界點導出三種形狀表達，分別是曲率函數、質心距離、復坐標函數。

（3）幾何參數法

形狀的表達和匹配採用更為簡單的區域特徵描述方法，例如採用有關形狀定量測度（如矩、面積、周長等）的形狀參數法（shape factor）。在 QBIC 系統中，便是利用圓度、偏心率、主軸方向和代數不變矩等幾何參數，進行基於形狀特徵的圖像檢索。

需要說明的是，形狀參數的提取，必須以圖像處理及圖像分割為前提，參數的准確性必然受到分割效果的影響，對分割效果很差的圖像，形狀參數甚至無法提取。

（4）形狀不變矩法

利用目標所佔區域的矩作為形狀描述參數。

（5）其它方法

近年來，在形狀的表示和匹配方面的工作還包括有限元法（Finite Element Method 或 FEM）、旋轉函數（Turning Function）和小波描述符（Wavelet Descriptor）等方法。

Ⅱ 基於小波和相對矩的形狀特徵提取與匹配

該方法先用小波變換模極大值得到多尺度邊緣圖像，然後計算每一尺度的 7個不變矩，再轉化為 10 個相對矩，將所有尺度上的相對矩作為圖像特徵向量，從而統一了區域和封閉、不封閉結構。

四 空間關系特徵

（一）特點：所謂空間關系，是指圖像中分割出來的多個目標之間的相互的空間位置或相對方向關系，這些關系也可分為連接/鄰接關系、交疊/重疊關系和包含/包容關系等。通常空間位置信息可以分為兩類：相對空間位置信息和絕對空間位置信息。前一種關系強調的是目標之間的相對情況，如上下左右關系等，後一種關系強調的是目標之間的距離大小以及方位。顯而易見，由絕對空間位置可推出相對空間位置，但表達相對空間位置信息常比較簡單。

空間關系特徵的使用可加強對圖像內容的描述區分能力，但空間關系特徵常對圖像或目標的旋轉、反轉、尺度變化等比較敏感。另外，實際應用中，僅僅利用空間信息往往是不夠的，不能有效准確地表達場景信息。為了檢索，除使用空間關系特徵外，還需要其它特徵來配合。

（二）常用的特徵提取與匹配方法
提取圖像空間關系特徵可以有兩種方法：一種方法是首先對圖像進行自動分割，劃分出圖像中所包含的對象或顏色區域，然後根據這些區域提取圖像特徵，並建立索引；另一種方法則簡單地將圖像均勻地劃分為若干規則子塊，然後對每個圖像子塊提取特徵，並建立索引。

『陸』 背景差分怎麼和camshift結合

統顏色直方圖的MeanShift（MS）演算法只考慮了目標顏色的統計信息,不包含目標的 空間信息,當目標顏色與背景顏色相近時,容易導致不準確跟蹤或跟蹤丟失。針對該問題,提出了一種自適應空間顏色直方圖的MeanShift跟蹤演算法。該算 法根據目標對象的最新外接矩形尺寸,確定對象分塊方法,根據各塊的Bhattacharyya系數值,確定各塊的權重系數。其中,自適應分塊的顏色直方圖 包含了自適應分塊方法和目標的空間信息;加權Bhattacharyya系數考慮到不同塊對整體相似度

『柒』 三刺激值與灰度值的演算法

簡單說：三刺激值可通過下列測定而計算之：1．物體在可見光譜中正常間隔情況下的反射率(或透射率)，並乘以這些量度；2．理論照度中同樣波長的相應能量；3．同樣波長的每一個的三色調(匹)配函數；4．每三套產物的總和，以這種方法得到的三刺激值叫重量縱坐標法。測定三刺激值的方法還有一種叫選擇縱坐標法，即在特別選擇的波長條件下測定反射(或透射)率的方法。如果被測定的有色物質的每個三刺激值被三個總和除，則每種原色在總刺激部分中所佔的比例就極易得到，因為它們的總數為1，0000。兩個系數就足可說明色性(Chromaticity)了。(所謂色性，就是指色相和純度的綜合量。一般以色性來敘述顏色時，是不考慮明度的，由色性圖上的色性坐標表示之。這樣就可將三度立體的空間投影簡化成了平面上的點，大大地簡化了顏色的計算與敘述)。這種比例數值就叫色性坐標(Chromaticity Coordinates)，或色性系數(Chromaticity Coefficients)，也叫三色系數(Trichromatic Coefficients)。顯然，所謂色性系數，就是指某原色的刺激量在三種原色的總刺激量中所佔的比例。顏色直方圖圖像檢索方法是一種重要的基於顏色特徵圖像檢索方法。在分析了基於顏色直方圖信息熵進行圖像檢索方法的基礎上,提出了一種通過灰度值對信息熵進行限定的遙感圖像檢索演算法。該方法在一定程度上解決了傳統的基於顏色直方圖信息熵方法進行圖像檢索時,由於熵的對稱特性造成圖像誤檢索的不足。在實驗精度評價中,分別採用直方圖分析法和相關系數法,從定性與定量兩個角度對檢索精度進行了評價。實驗結果顯示,運用該方法進行檢索,具有較高的檢索精度,相關系數在0.95以上,在實際應用中具有良好的可

『捌』 直方圖的特點是什麼

1、顯示質量波動的狀態；

2、較直觀地傳遞有關過程質量狀況的信息；

3、通過研究質量波動狀況之後，就能掌握過程的狀況，從而確定在什麼地方集中力量進行質量改進工作。

(8)顏色直方圖演算法擴展閱讀：

圖像直方圖相關種類：

對於應用於圖像分割的灰度直方圖，現有的灰度直方圖形狀容易受到雜訊干擾，構建在分割演算法魯棒性不足，迫切需要研究一種消除雜訊干擾且適應能力強的灰度直方圖圖像分割方法；

對於應用於圖像檢索的顏色直方圖，傳統顏色直方圖描述方法存在特徵維數高、受光照影響、不能表達相近顏色間相關性及丟失空間位置信息的問題。

因此，需要研究綜合考慮多種因素的顏色直方圖法，現有的基於bag-of-words的方法在視覺詞的構造、直方圖的統計上仍然存在不足之處，使得最終得到的視覺詞直方圖不能很好的表達圖像類別特徵，因此需要研究新的基於bag-of-words的演算法解決這些問題。

『玖』 在圖像處理中有哪些演算法

1、圖像變換：

由於圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。採用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散餘弦變換等間接處理技術，將空間域的處理轉換為變換域處理，可減少計算量，獲得更有效的處理。它在圖像處理中也有著廣泛而有效的應用。

2、圖像編碼壓縮：

圖像編碼壓縮技術可減少描述圖像的數據量，以便節省圖像傳輸、處理時間和減少所佔用的存儲器容量。

壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進行。

編碼是壓縮技術中最重要的方法，它在圖像處理技術中是發展最早且比較成熟的技術。

3、圖像增強和復原：

圖像增強和復原的目的是為了提高圖像的質量，如去除雜訊，提高圖像的清晰度等。

圖像增強不考慮圖像降質的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節明顯；如強化低頻分量可減少圖像中雜訊影響。

4、圖像分割：

圖像分割是數字圖像處理中的關鍵技術之一。

圖像分割是將圖像中有意義的特徵部分提取出來，其有意義的特徵有圖像中的邊緣、區域等，這是進一步進行圖像識別、分析和理解的基礎。

5、圖像描述：

圖像描述是圖像識別和理解的必要前提。

一般圖像的描述方法採用二維形狀描述，它有邊界描述和區域描述兩類方法。對於特殊的紋理圖像可採用二維紋理特徵描述。

6、圖像分類：

圖像分類屬於模式識別的范疇，其主要內容是圖像經過某些預處理（增強、復原、壓縮）後，進行圖像分割和特徵提取，從而進行判決分類。

圖像分類常採用經典的模式識別方法，有統計模式分類和句法模式分類。

(9)顏色直方圖演算法擴展閱讀：

圖像處理主要應用在攝影及印刷、衛星圖像處理、醫學圖像處理、面孔識別、特徵識別、顯微圖像處理和汽車障礙識別等。

數字圖像處理技術源於20世紀20年代，當時通過海底電纜從英國倫敦到美國紐約傳輸了一幅照片，採用了數字壓縮技術。

數字圖像處理技術可以幫助人們更客觀、准確地認識世界，人的視覺系統可以幫助人類從外界獲取3/4以上的信息，而圖像、圖形又是所有視覺信息的載體，盡管人眼的鑒別力很高，可以識別上千種顏色，

但很多情況下，圖像對於人眼來說是模糊的甚至是不可見的，通過圖象增強技術，可以使模糊甚至不可見的圖像變得清晰明亮。