Python圖片顏色特征提取——HSV中心距法（附代碼及注釋）

顏色矩是個啥？

  首先讓我們先了解一下顏色矩是什么，以下是顏色矩的定義及數學表達，看着唬人但其實並不難。

  顏色矩是一種簡單有效的顏色特征表示方法，有一階矩(也就是均值,mean)、二階矩(也就是標准差, variance)和三階矩(斜度,skewness)等，由於顏色信息主要分布於低階矩中，所以用一階矩，二階矩和三階矩足以表達圖像的顏色分布，顏色矩已證明可有效地表示圖像中的顏色分布。

 

 

  其中，Pij 表示彩色圖像第j個像素的第i個顏色分量，N表示圖像中的像素個數。

  圖像的三個分量Y,U,V圖像的前三階顏色矩組成一個9維直方圖向量，即圖像的顏色特征表示如下：

 

Python實現（附代碼及詳細注釋）

  HSV 中心距法是基於HSV空間的，因此需要將RGB空間轉換為HSV空間。

def color_moments(filename):
    img = cv2.imread(filename)  # 讀一張彩色圖片
    if img is None:
        return
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)  # RGB空間轉換為HSV空間
    h, s, v = cv2.split(hsv)
    color_feature = []  # 初始化顏色特征
# 一階矩（均值 mean）
    h_mean = np.mean(h)  # np.sum(h)/float(N)
    s_mean = np.mean(s)  # np.sum(s)/float(N)
    v_mean = np.mean(v)  # np.sum(v)/float(N)
    color_feature.extend([h_mean, s_mean, v_mean])  # 一階矩放入特征數組
# 二階矩 （標准差 std）
    h_std = np.std(h)  # np.sqrt(np.mean(abs(h - h.mean())**2))
    s_std = np.std(s)  # np.sqrt(np.mean(abs(s - s.mean())**2))
    v_std = np.std(v)  # np.sqrt(np.mean(abs(v - v.mean())**2))
    color_feature.extend([h_std, s_std, v_std])  # 二階矩放入特征數組
# 三階矩 （斜度 skewness）
    h_skewness = np.mean(abs(h - h.mean()) ** 3)
    s_skewness = np.mean(abs(s - s.mean()) ** 3)
    v_skewness = np.mean(abs(v - v.mean()) ** 3)
    h_thirdMoment = h_skewness ** (1. / 3)
    s_thirdMoment = s_skewness ** (1. / 3)
    v_thirdMoment = v_skewness ** (1. / 3)
    color_feature.extend([h_thirdMoment, s_thirdMoment, v_thirdMoment])  # 三階矩放入特征數組

    return color_feature