Question

到目前为止，我已经能够在CBIR系统中绘制灰度图像的Precision-Recall图。但是，我想知道如何对RGB图像执行相同的处理。

我的代码：

Inp1=rgb2gray(imread('D:\visionImages\c1\1.ppm'));
figure, imshow(Inp1), title('Input image 1');
num_bins = 32;
A = imhist(Inp1, num_bins);
srcFiles = dir('D:\visionImages\c1\*.ppm');  
B = zeros(num_bins, 30); 
ptr=1;
for i = 1 : length(srcFiles)
    filename = strcat('D:\visionImages\c1\',srcFiles(i).name);
    I = imread(filename);
    I=rgb2gray(I);
    B(:,ptr) = imhist(I, num_bins); 
    ptr=ptr+1;                                                      
end

% histogram intersection
a = size(A,2); b = size(B,2); 
K = zeros(a, b);
for i = 1:a
  Va = repmat(A(:,i),1,b);
  K(i,:) = 0.5*sum(Va + B - abs(Va - B));
end

num_images = 30;
sims=K
relevant_IDs = [1 2 3 4 5 6 7 8 9 10];
num_relevant_images = numel(relevant_IDs);
[sorted_sims, locs] = sort(sims, 'descend');
locations_final = arrayfun(@(x) find(locs == x, 1), relevant_IDs)
locations_sorted = sort(locations_final)
precision = (1:num_relevant_images) ./ locations_sorted;
recall = (1:num_relevant_images) / num_relevant_images;
plot(recall, precision, 'b.-');
xlabel('Recall');
ylabel('Precision');
title('Precision-Recall Graph');
axis([0 1 0 1.05]); 
grid;

Answer 1

您编写的代码是比较图像之间的直方图，前提是它们是灰度级的。如果要对RGB图像执行此操作，则需要确定每个平面需要多少个箱。完成此操作后，对于您拥有的每个RGB颜色三元组，您将确定线性1D索引，以便这基本上像普通的1D直方图一样。完成此操作后，您可以按照上面指定的相同方式使用上述代码。因此，让我们创建一个接收图像的函数imcolourhist，以及您想要的红色，绿色和蓝色垃圾箱的总数。请记住，不能指定每个维度256个分档。这不仅太精细而且没有任何判别力，但你需要2^24 = 16777216个内存位置，MATLAB肯定会给你一个内存不足的错误。

一般程序是确定每种颜色独立属于哪个bin。完成此操作后，您将创建一个线性1D索引，该索引基本上是1D直方图的bin，然后在该位置增加该值。我将使用accumarray为我计算直方图。完成后，这将基本上取代您的imhist调用，您将在此直方图上执行直方图交集，而直方图则从imcolourhist输出。

function [out] = imcolourhist(im, num_red_bins, num_green_bins, num_blue_bins)

    im = double(im); %// To maintain precision

    %// Compute total number of bins
    total_bins = num_red_bins*num_green_bins*num_blue_bins;

    %// Figure out threshold between bins
    red_level = 256 / num_red_bins;
    green_level = 256 / num_green_bins;
    blue_level = 256 / num_blue_bins;

    %// Calculate which bins for each colour plane
    %// each pixel belongs to
    im_red_levels = floor(im(:,:,1) / red_level);
    im_green_levels = floor(im(:,:,2) / green_level);
    im_blue_levels = floor(im(:,:,3) / blue_level);

    %// Compute linear indices
    ind = im_blue_levels*num_red_bins*num_green_bins + im_green_levels*num_red_bins + im_red_levels;
    ind = ind(:); %// Make column vector for accumarray

    %// Determine 1D histogram - Ensure that every histogram
    %// generated has the same size of total_bins x 1
    out = accumarray(ind+1, 1, [total_bins 1]);
end

获取此代码，将其复制并粘贴到新文件中，然后将其另存为imcolourhist.m。确保将此代码保存在与您向我们展示的上述代码相同的目录中。请注意，在accumarray中，我将线性索引偏移1，因为我生成的线性索引将从0开始，但MATLAB开始在1处建立索引。现在，您现在要做的就是用imhist替换imcolourhist来电。我建议你现在选择每个颜色通道的容器为8（即num_red_bins = num_green_bins = num_blue_bins = 8。你必须玩这个才能获得好的效果。

因此，您可以在计算A的直方图时将代码更改为：

Inp1=imread('D:\visionImages\c1\1.ppm');  
num_red_bins = 8;
num_green_bins = 8;
num_blue_bins = 8;
num_bins = num_red_bins*num_green_bins*num_blue_bins;
A = imcolourhist(Inp1, num_red_bins, num_green_bins, num_blue_bins);

请注意，我正在将图片作为颜色进行阅读，因此rgb2gray调用已被删除。同样，对于B，您可以这样做：

B = zeros(num_bins, 30); 
ptr=1;
for i = 1 : length(srcFiles)
    filename = strcat('D:\visionImages\c1\',srcFiles(i).name);
    I = imread(filename);
    B(:,ptr) = imcolourhist(I, num_red_bins, num_green_bins, num_blue_bins); 
    ptr=ptr+1;                                                      
end

请注意，我不能保证这里有好的结果。因为您只使用颜色直方图作为图像检索的方法，所以您可以使用可能具有相同颜色分布的查询图像和数据库图像，但在纹理和构图方面看起来完全不同。如果这两个图像具有相同的颜色分布，那么这些图像将被视为高相似度，即使它们看起来并不相同。

祝你好运！

在MATLAB中使用颜色直方图的基于内容的图像检索和精确调用图

1 个答案: