基于内容的图像检索与精确召回图在MATLAB中的应用

Question

到目前为止，我已经能够在CBIR系统中绘制灰度图像的精确回忆图.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，前提是它们是灰度的。如果要对RGB图像执行此操作，则需要确定每架飞机需要多少个回收箱。一旦你这样做，对于每个RGB颜色三重奏，你会确定一个线性的一维指数，这样这将实质上是一个正常的一维直方图。一旦您这样做，您可以使用上面的代码以与上面指定的相同的方式。因此，让我们创建一个接受图像的函数imcolourhist，以及您想要的红色、绿色和蓝色回收箱的总数。请记住，不能为每个维度指定256个桶。这不仅是粒度太细，没有任何区分能力，而且您将需要2^24 = 16777216内存位置，而MATLAB肯定会给您一个内存不足的错误。

一般的程序是确定每种颜色都属于哪一种颜色。这样做之后，您将创建一个线性的一维索引，它本质上是一个一维直方图的bin，然后在该位置增加该值。我将使用accumarray为我计算直方图。一旦完成，这将基本上取代您的imhist调用，您将在这个直方图上执行直方图交集，这个直方图是从imcolourhist输出的。

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

将这段代码复制并粘贴到一个新文件中，然后将其保存为imcolourhist.m。请确保将此代码保存在与上面显示的代码所在的目录相同的位置。请注意，在accumarray中，我将线性索引抵消1，因为我生成的线性索引将从0开始，但是MATLAB在1开始索引。现在，您所要做的就是将imhist调用替换为imcolourhist。我建议你选择每个彩色频道的回收箱为8(即num_red_bins = num_green_bins = num_blue_bins = 8 )。为了取得好的结果，你必须玩这个游戏。

因此，您可以将正在计算A直方图的代码更改为：

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，我在图像中读取的是颜色，因此删除了rgb2gray调用。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，我不能保证在这里取得好的结果。因为您只使用颜色直方图作为图像检索的方法，所以您可以有一个查询图像和一个数据库图像，它们可能具有相同的颜色分布，但是在纹理和组成方面看起来完全不同。如果这两幅图像的颜色分布是相同的，那么它们就会被认为是高度相似的，尽管它们看起来根本不像对方。

祝好运!