基于HSV颜色直方图的图像检索系统

资 源 简 介

本项目主要实现一种基于颜色特征的图像检索功能，核心工作流程如下：首先，系统读取原始图像并将图像从RGB颜色空间转换为HSV颜色空间，由于HSV空间中的色调（H）、饱和度（S）和亮度（V）更符合人类对颜色的视觉感知，因此更适合用于特征提取。其次，为了减少计算量并增强特征的鲁棒性，系统对H、S、V三个分量进行非等间隔量化处理，通常将H量化为8个等级，S量化为3个等级，V量化为3个等级。接着，根据公式将这三个分量组合成一个一维的矢量特征，即通过特定的加权运算（如L=9H+3S+V）将颜色组合映射到指定的取值区间

详 情 说 明

基于HSV空间颜色直方图的图像检索系统

项目介绍

本项目实现了一个基于颜色特征的图像检索系统。颜色直方图是描述图像全局颜色分布的常用特征，具有旋转不变性和平移不变性的优点。系统采用HSV颜色空间代替传统的RGB空间，因为HSV更符合人类视觉系统对颜色的感知方式。通过对HSV三个分量进行非等间隔量化和特征向量化，系统能够提取出能够代表图像内容的鲁棒特征，并通过计算特征向量间的几何距离来实现相似图像的检索。

功能特性

1. 自动数据库构建：系统具备自动检测和预处理功能。如果指定目录下不存在图像，系统会自动生成一组包含红、绿、蓝、黄等多种颜色并带有随机噪声的合成图像，用于建立模拟数据库。
2. HSV空间转换：系统将读取的RGB图像转换为HSV（色调、饱和度、亮度）模型，更准确地捕捉图像的色彩属性。
3. 非等间隔量化：为了平衡特征的判别力与计算复杂度，系统对颜色信息进行了压缩处理。H分量被划分为8个等级，S与V分量分别被划分为3个等级。
4. 一维特征融合：将H、S、V三维量化结果映射为一个单一的72维（8×3×3）一维矢量，方便统计与比较。
5. 欧氏距离检索：利用数学上的欧氏距离来衡量图像特征向量之间的相似度，距离越短表示两张图像在色彩分布上越接近。
6. 可视化反馈：系统提供直观的图形化界面，展示查询图像、其对应的量化直方图特征以及按相似度排序的检索结果。

使用方法

1. 准备环境：确保计算机已安装MATLAB及其图像处理工具箱（Image Processing Toolbox）。
2. 运行程序：执行主函数。系统将自动扫描预设的图像库文件夹。
3. 数据库初始化：若首次运行且文件夹为空，系统将自动生成示例图片。
4. 检索过程：系统默认选取数据库中的第一张图片作为查询目标，提取其特征后与库中其他图像进行比对。
5. 查看结果：程序运行结束后会弹出结果窗口，并在其中展示与查询图像最相似的若干张图像及其对应的相似度分值。

系统要求

• 运行环境：MATLAB R2016b 或更高版本。
• 硬件要求：标准内存配置，支持基本的图形渲染。
• 所需工具箱：图像处理工具箱。

系统实现逻辑与关键算法

1. 模拟数据生成逻辑

在主逻辑开始时，系统会检查本地路径。若无数据，则根据预定义的RGB颜色列表生成不同色相的100x100像素图像，并叠加载加性高斯随机噪声以模拟真实图像的多样性。

1. 关键函数：特征提取流程

系统实现了一个专门用于提取HSV直方图的子程序，其内部逻辑如下：

• 色彩空间转换：将输入的RGB图像数据转换为HSV格式，并将H分量从归一化范围还原至0-360度。
• H分量非等间隔量化：根据人眼对颜色的感应敏感度，将360度色调划分为8个非等长区间。例如，将红色的两个边界区域划归为同一级别，而其他颜色如黄、绿、青等根据角度范围分配独立等级。
• S与V分量量化：将饱和度S和亮度V按照[0, 0.2]、(0.2, 0.7]、(0.7, 1]三个区间划分为3级，重点突出高饱和度和高亮度区域。
• 矢量合成：应用加权公式 L = 9H + 3S + V 将量化后的分量合并，生成取值范围在0到71之间的索引值。
• 直方图生成与归一化：统计L中每个索引出现的频率生成72维向量，并除以总像素数进行归一化。归一化操作确保了系统对图像尺寸不敏感，具备缩放不变性。

1. 查询与相似度度量

系统获取查询图像的特征向量后，遍历整个数据库特征矩阵。通过欧氏距离公式计算查询向量与各库向量之间的距离。距离计算完成后，系统对所有结果进行升序排列，选取距离最小（即相似度最高）的图像进行展示。

1. 可视化模块逻辑

可视化阶段采用多子图布局：

• 左上角展示原始查询图像。
• 右上方以条形图（Bar Chart）形式展示该图像经过72维量化后的直方图分布。
• 下方区域按排名顺序依次列出相似图像，并标注每张图像相对于查询目标的欧氏距离数值。