大連理工大學(xué)數(shù)字圖像處理 實驗報告4

大連理工大學(xué)實驗報告學(xué)院（系）：電信學(xué)部專業(yè)：電子信息工程班級：電子1102姓名：陳柯錦學(xué)號：201181442組：___實驗時間：實驗室：實驗臺：實驗名稱基于邊緣直方圖的圖像檢索實驗?zāi)康暮鸵笳莆沼胢atlab進(jìn)行圖像檢索的方法。實驗原理和內(nèi)容通常情況下，人類可以在只用圖像的輪廓而不借助圖像的顏色以及紋理信息的情況下就可以對一幅圖像中的物體進(jìn)行分類和識別。因而，研究圖像輪廓信息的表達(dá)方式是十分必要的。1.EHD描述子邊緣直方圖（EHD）描述子是MPEG-7標(biāo)準(zhǔn)中提出的一種邊緣描述子，它具有描述圖像亮度變化的方向和頻率的能力。其具體算法原理如下。（1）對圖像分塊當(dāng)給定一張圖像時，不重疊地將其分成4*4的子圖，且每一子圖繼續(xù)分成若干不重疊的方形子塊。在這一過程中，不論圖像的大小，均將每一子圖劃分成數(shù)量一定的子塊。這樣做的目的是去除圖像的大?。捶直媛剩μ卣鞯挠绊?。通常情況下，每一子圖中子塊的數(shù)量是2的倍數(shù)，因而在某些情況下可能要舍棄邊緣的像素點以滿足條件。(2)判斷每一子塊是否包含邊緣當(dāng)給定圖像子塊之后，若要判斷該子塊中是否包含邊緣特征，一種簡單的辦法是對圖像在空域利用濾波器進(jìn)行濾波。在EHD特征中，統(tǒng)計以下五種形式的邊緣特征：垂直（0°）、水平（90°）、45毒角、135°角以及非方向性邊緣。如圖1所示。(3)統(tǒng)計邊緣信息通過以上步驟，可以判斷出圖像子塊中是否包含邊緣信息，下面要對這些邊緣信息做以統(tǒng)計。在前面提到了在EHD描述子中將圖像劃分成4×4的16個子圖，在這里對每一子圖統(tǒng)計5個方向上各自包含的子塊的個數(shù)，從而構(gòu)成一個5維的向量。接著，對該向量進(jìn)行歸一化，即對向量的每一維均除以該子圖中子塊的數(shù)量。從而，一張圖像便可以由一個80維的向量表示。到這里，EHD特征的基本生成過程已經(jīng)完畢。三、主要儀器設(shè)備裝有MATLAB的電腦。四、實驗步驟完成基于EHD的圖像檢索。實驗數(shù)據(jù)記錄和處理程序：clc,clearallfv=[1-11-1];fh=[11-1-1];fd45=[sqrt(2)00-sqrt(2)];fd135=[0sqrt(2)-sqrt(2)0];fnd=[2-2-22];fv_th=30;fh_th=30;fd45_th=30;fd135_th=30;fnd_th=30;%cd('d:\MATLAB7\work\pictures');%apath=dir;%name=apath(3,1).name;%以下對目標(biāo)圖片進(jìn)行特征分析mypic=imread('55.jpg');mypic=double(rgb2gray(mypic));[a,b]=size(mypic);;a=floor(a/4);b=floor(b/4);fori=0:3forj=0:3mypic_part=mypic(i*a+1:i*a+a,j*b+1:j*b+b);m1=sum(sum(mypic_part(1:floor(a/2),1:floor(b/2))))/(a*b/4);m2=sum(sum(mypic_part(1:floor(a/2),floor(b/2)+1:b)))/(a*b/4);m3=sum(sum(mypic_part(floor(a/2)+1:a,1:floor(b/2))))/(a*b/4);m4=sum(sum(mypic_part(floor(a/2)+1:a,floor(b/2)+1:b)))/(a*b/4);mypic_mat(4*i+j+1,1)=([m1m2m3m4]*fv')>fv_th;mypic_mat(4*i+j+1,2)=([m1m2m3m4]*fh')>fh_th;mypic_mat(4*i+j+1,3)=([m1m2m3m4]*fd45')>fd45_th;mypic_mat(4*i+j+1,4)=([m1m2m3m4]*fd135')>fd135_th;mypic_mat(4*i+j+1,5)=([m1m2m3m4]*fnd')>fnd_th;endendmypic_mat=double(mypic_mat);%以上對目標(biāo)圖片特征提取完畢%以下對庫中圖片分別進(jìn)行計算cd('d:\MATLAB7\work\pictures');apath=dir;fork=3:62name=apath(k,1).name;pic=imread(name);pic=double(rgb2gray(pic));[a,b]=size(pic);;a=floor(a/4);b=floor(b/4);fori=0:3forj=0:3pic_part=pic(i*a+1:i*a+a,j*b+1:j*b+b);m1=sum(sum(pic_part(1:floor(a/2),1:floor(b/2))))/(a*b/4);m2=sum(sum(pic_part(1:floor(a/2),floor(b/2)+1:b)))/(a*b/4);m3=sum(sum(pic_part(floor(a/2)+1:a,1:floor(b/2))))/(a*b/4);m4=sum(sum(pic_part(floor(a/2)+1:a,floor(b/2)+1:b)))/(a*b/4);pic_mat(4*i+j+1,1)=([m1m2m3m4]*fv')>fv_th;pic_mat(4*i+j+1,2)=([m1m2m3m4]*fh')>fh_th;pic_mat(4*i+j+1,3)=([m1m2m3m4]*fd45')>fd45_th;pic_mat(4*i+j+1,4)=([m1m2m3m4]*fd135')>fd135_th;pic_mat(4*i+j+1,5)=([m1m2m3m4]*fnd')>fnd_th;endendpic_mat=double(pic_mat);result(k-2)=sqrt(sum(sum((mypic_mat-pic_mat).^2)));end%以上對庫中所有圖片特征提取結(jié)束min1=find(result==min(result))+2;if(length(min1)>1)min1=min1(1);endresult(min1-2)=100000;min2=find(result==min(result))+2;if(length(min2)>1)min2=min2(1);endresult(min2-2)=100000;min3=find(result==min(result))+2;if(length(min3)>1)min3=min3(1);endsubplot(2,2,1)imshow(uint8(mypic))title('待檢索圖像')cd('d:\MATLAB7\work\pictures');apath=dir;subplot(2,2,2)imshow(i