cedd是一種綜合顏色和紋理的特征提取方法。

參考論文：FCTH: FUZZY COLOR AND TEXTURE HISTOGRAM ：A LOW LEVEL FEATURE FOR ACCURATE IMAGE RETRIEVAL

網(wǎng)上搜索的關(guān)于cedd的介紹很少，看得也很是糾結(jié)，還有一些細(xì)節(jié)方面沒(méi)有弄很清楚，先寫(xiě)一下以后備用，慢慢細(xì)化。

一、CEDD簡(jiǎn)介

??????將圖像劃分成若干預(yù)設(shè)號(hào)碼的分塊，為了提取其中的顏色信息，在 HSV 顏色空間應(yīng)用一組模糊規(guī)則提取模糊關(guān)聯(lián)直方圖。在一個(gè)有三個(gè)輸入口的模糊系統(tǒng)應(yīng)用 20 條模糊規(guī)則產(chǎn)生一個(gè) 10-bin 的量化直方圖，其中每個(gè) bin 關(guān)聯(lián)一種預(yù)設(shè)的顏色，而指定給每個(gè) bin 的分塊號(hào)碼可存放一個(gè)特征向量。另外在一個(gè)有兩個(gè)輸入口的模糊系統(tǒng)應(yīng)用 4 條模糊規(guī)則將 10bin 直方圖轉(zhuǎn)變成 24-bin 的直方圖，以提高了每種顏色的色調(diào)；其次提取邊緣的方向性描述子，邊緣直方圖描述子將圖像中的邊緣分為 5 種，分別是水平、垂直、45度 、135 度和無(wú)特定方向邊緣，然后把圖像分成若干個(gè)小塊，分析小塊內(nèi)圖像的邊緣性質(zhì)，判斷屬于哪一種邊緣，最后統(tǒng)計(jì)圖像中所有邊緣的信息；最后是描述 CEDD 特征向量的實(shí)現(xiàn)。

二、算法流程

（1）輸入圖像，如果圖像過(guò)大就進(jìn)行壓縮。

（2）GrabCut進(jìn)行圖像分割，利用opencv中的函數(shù)

void grabCut(InputArray image, InputOutputArray mask, Rect rect, InputOutputArray bgdModel, InputOutputArray
fgdModel, int iterCount, int mode)

得到所選區(qū)域中的疑似背景和疑似前景，分別從上往下找到疑似背景的top，從下到上找到疑似背景的bottom，從左到右找到疑似背景的left，從右到左找到疑似背景的right。

（3）將圖像分塊，論文中取1600塊，如果小塊再上一步所計(jì)算的top、bottom、 left 、right的區(qū)域內(nèi)則分別計(jì)算模糊顏色直方圖和模糊紋理直方圖，否則舍掉。

???????? 紋理：計(jì)算紋理時(shí)利用每個(gè)像素的RGB值的均值。將每個(gè)小塊再分為2*2塊，分別計(jì)算水平、垂直、45度、135度和無(wú)特定方向的描述子，論文中取最大的為此小塊所屬的邊緣類(lèi)型，程序中根據(jù)四個(gè)閾值判斷此小塊所屬于的邊緣類(lèi)型。

??????? 顏色：將圖像轉(zhuǎn)換到HSV空間計(jì)算，對(duì)HSV分別計(jì)算模糊屬于哪個(gè)類(lèi)別。

????????????????? 如圖：

???????????? ? 將H分量分為8個(gè)區(qū)間?，如下，根據(jù)來(lái)判斷H分量模糊屬于哪個(gè)區(qū)間。

static double tmpHueMembershipValues[] = {0, 0, 5, 10,5, 10, 35, 50,35, 50, 70, 85,70, 85, 150, 165,150, 165, 195, 205,195, 205, 265, 280,265, 280, 315, 330,315, 330, 360, 360};

????????????????SV分量類(lèi)似。根據(jù)模糊規(guī)則（這一點(diǎn)還沒(méi)看懂）來(lái)生成一個(gè)10bin的量化直方圖。

?????????????? 同樣的利用SV兩個(gè)輸入根據(jù)模糊規(guī)則根據(jù)生成的10bin直方圖來(lái)生成一個(gè)24bin的量化直方圖。

（4）綜合6個(gè)紋理區(qū)間和14個(gè)顏色區(qū)間，6*24得到一個(gè)144維的模糊混合直方圖，得到一個(gè)1*144維的特征向量。

總結(jié)

以上是生活随笔為你收集整理的CEDD（Color and Edge Directivity Descriptor）学习篇的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。