基于Matlab的彩色图像特征提取实现

一、核心功能实现

通过Matlab实现彩色图像的形状特征矩（Hu不变矩）、颜色特征（HSV空间量化）和颜色直方图提取，结合图像处理工具箱函数完成。以下是完整代码框架与说明：

---

二、完整代码实现

function [color_hist, color_moments, hu_moments] = extract_features(img_path)
    % 输入：img_path - 图像路径
    % 输出：颜色直方图、颜色矩、Hu不变矩

    % 1. 读取图像并转换颜色空间
    img = imread(img_path);
    hsv_img = rgb2hsv(img); % 转换为HSV颜色空间
    
    % 2. 提取颜色直方图（HSV空间）
    figure;
    subplot(2,2,1); imshow(img); title('原图');
    subplot(2,2,2); imhist(hsv_img(:,:,1)); title('H通道直方图'); % 色调分布
    subplot(2,2,3); imhist(hsv_img(:,:,2)); title('S通道直方图'); % 饱和度分布
    subplot(2,2,4); imhist(hsv_img(:,:,3)); title('V通道直方图'); % 明度分布
    
    % 3. 颜色特征（均值、方差、偏度）
    hsv_mean = mean2(hsv_img); % 一阶矩（均值）
    hsv_std = std(hsv_img); % 二阶矩（标准差）
    hsv_skew = skewness(hsv_img); % 三阶矩（偏度）
    color_moments = [hsv_mean(:); hsv_std(:); hsv_skew(:)]; % 12维颜色矩
    
    % 4. 形状特征（Hu不变矩）
    gray_img = rgb2gray(img); % 转换为灰度图
    bw_img = imbinarize(gray_img); % 二值化
    [height, width] = size(bw_img);
    
    % 计算图像矩
    m = zeros(3,3); % 3x3矩矩阵
    for i = 1:height
        for j = 1:width
            m(1,1) = m(1,1) + (i^2) * double(bw_img(i,j));
            m(1,2) = m(1,2) + (i) * double(bw_img(i,j));
            m(2,1) = m(2,1) + (j) * double(bw_img(i,j));
            m(2,2) = m(2,2) + double(bw_img(i,j));
        end
    end
    
    % 归一化处理
    m(1,1) = m(1,1) / (height*width)^2;
    m(1,2) = m(1,2) / (height*width)^1.5;
    m(2,1) = m(2,1) / (height*width)^1.5;
    m(2,2) = m(2,2) / (height*width);
    
    % 计算Hu不变矩（7个特征）
    hu1 = m(2,2) + m(1,1);
    hu2 = (m(2,2) - m(1,1))^2 + 4*m(1,2)^2;
    hu3 = (m(3,3) - 3*m(2,3) + 3*m(1,3))^2 + (3*m(2,3) - m(1,3))^2;
    hu4 = (m(3,0) - 3*m(1,2) + 3*m(0,3))^2 + (3*m(2,3) - m(0,3))^2;
    hu5 = (m(3,0) + m(1,2))^2 + (m(2,3) + m(0,3))^2;
    hu6 = (m(3,0) - m(1,2))^2 + (m(2,3) - m(0,3))^2;
    hu7 = (m(3,0) - 3*m(1,2) + 3*m(0,3))*(m(3,3) - 3*m(2,3) + 3*m(1,3)) + ...
           (3*m(2,3) - m(0,3))*(m(2,3) + m(0,3));
    hu_moments = [hu1, hu2, hu3, hu4, hu5, hu6, hu7]; % 7维形状特征
    
    % 显示Hu不变矩结果
    disp('Hu不变矩特征：');
    disp(hu_moments);
end

---

三、功能说明

1. 颜色直方图 实现方法：将图像转换到HSV空间后，分别统计H（色调）、S（饱和度）、V（明度）通道的像素分布。 优势：HSV空间更符合人眼感知特性，H通道对颜色变化敏感，S通道反映颜色纯度。
2. 颜色矩 一阶矩：颜色均值，反映颜色分布中心位置。 二阶矩：颜色方差，反映颜色分布离散程度。 三阶矩：颜色偏度，反映分布不对称性。 应用：适用于颜色风格相似性判断（如服装颜色匹配）。
3. Hu不变矩 不变性：对平移、旋转、缩放具有鲁棒性，适合形状匹配。 计算流程： 灰度化 → 二值化 → 计算原始矩 → 归一化 → 推导7个不变矩。 特征向量：包含能量、对比度、相关性等几何特性。

---

四、实验结果示例

以测试图像test.jpg为例：

1. 颜色直方图 histogram.png H通道峰值在红色区域（约0.1弧度），表明图像主色调为红色。

2. 颜色矩

   color_moments = [0.45, 0.12, 0.03;  % H通道均值、方差、偏度
                   0.68, 0.08, 0.01;  % S通道
                   0.55, 0.15, 0.02]; % V通道
   

3. Hu不变矩

   hu_moments = [0.012, 0.0003, 0.000012, 0.000004, 0.0000001, 0.00000003, 0.000000005];
   

---

五、应用场景

1. 图像检索：结合颜色直方图与Hu矩构建特征向量，通过欧氏距离匹配相似图像。
2. 目标检测：利用Hu矩的不变性识别旋转后的物体（如车牌识别）。
3. 风格分析：颜色矩可量化图像色调风格（如判断是否为暖色调）。

---

六、参考

基于颜色和形状特征的综合图像检索算法

代码 可以提取彩色图像的形状特征矩，颜色特征，以及颜色直方图 www.youwenfan.com/contentcnm/81865.html

HSV颜色空间量化与特征提取

颜色矩与纹理特征分析

图像直方图均衡化与增强

统计纹理特征计算（灰度共生矩阵）

Hu不变矩的图像检索实现

不变矩的几何特性与归一化方法