颜色特征

颜色特征的特点
颜色特征是一种全局特征，描述了图像或者图像区域所对应的景物的表面特征。一半颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献，由于颜色对图像或图像区域的方向、大小等变化不敏感，所以，颜色特征不能很好的捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会有许多不需要的图像也检索出来。颜色特征是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，其缺点是没有表达出颜色的空间分布信息。

常用的颜色特征与匹配方法：

1. 颜色直方图
   优点：它能简单描述衣服图像中颜色的全局分布，即，不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。
   缺点是；它无法描述图像中颜色的局部分布以及每种色彩所处的空间位置，即无法描述图像中某一具体的对象或物体。
   最常用的颜色空间：RGB颜色空间、HSV颜色空间
   颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。
2. 颜色集
   颜色直方图法是一种去阿奴颜色特征提取和匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似。首先将图像从RGB颜色空间转化成均衡的颜色空间（HSV空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术奖图像分成若干区域，每一个区域用量化颜色空间的某个颜色分量老索引，从而将图像表达为一个二进制的颜色索引集。在图片匹配中，比较不同的图像颜色集之间的距离和色彩区域的空间关系。
3. 颜色矩
   这种方法的数学基础在于：图像中任何的颜色分布均可以用它的矩来表示，此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩（mean）、二阶矩（variance）、三阶矩（skewness）就足以表达图像的颜色分布。
4. 颜色聚合向量
   其核心思想：将属于直方图的每一个柄的像素分成两部分，如果该柄内的某些像素所占据的连续区域的面积大于给定的阀值，则该区域内的像素作为聚合像素，否则，作为非聚合像素
5. 颜色相关图