HSV空间中的特征向量

Question

我倾向于用HSV作为特征来表示每个像素，然后我可以使用包字模型来做进一步的处理，如分类。

我从paper1上读到的

每个区域使用其像素的HSV值的多元直方图建模，其中H通道使用8个桶，每个S和V通道使用3个桶，从而生成一个72维特征向量。

我知道使用matlab或python来获取图像的颜色空间很容易，但我混淆了如何像上面描述的那样获得一个72昏暗的特征向量。任何现有的代码都可以做到这一点(更好的matlab)？

1:使用区域袋表示的场景分类，CVPR 07

Answer 1

由第8、3和3维的3个子矢量组成的72维向量意味着：

对于通常给出360度值的色调颜色空间，您可以将其量化为8个桶。这就是360/8 = 45 / bin：0-45获取值、0、46-90、获取值、1等等。

类似地，对于饱和(通常获取值0-1)和值(0-1)意味着每个bin获取值：1/3 = 0.3333。0-0.333得到值0，0.334-0.666得到值1，等等。

最后，将它们连在一起，得到一个72模糊的矢量。