3

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 图像执行相同的过程。

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;
4

1 回答 1

5

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，则需要确定每个平面需要多少个 bin。完成此操作后，对于您拥有的每个 RGB 颜色三元组，您将确定一个线性 1D 索引，以便它本质上就像一个正常的 1D 直方图。完成此操作后，您可以按照上面指定的方式使用上面的代码。因此，让我们创建一个函数imcolourhist来接收图像以及您想要的红色、绿色和蓝色 bin 的总数。请记住，您不能为每个维度指定 256 个 bin。这不仅过于细化而无法具有任何区分能力，而且您还需要2^24 = 16777216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箱。完成此操作后，您将创建一个线性 1D 索引，该索引本质上是 1D 直方图的 bin，然后在该位置增加该值。我将用来accumarray为我计算直方图。完成后，这将实质上替换您的imhist调用，您将在此输出的直方图上执行直方图交集imcolourhist。

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，将其复制并粘贴到一个新文件中，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 中accumarray，我将线性索引偏移 1，因为我生成的线性索引将从 开始0，但 MATLAB 开始索引在1。现在，您现在要做的就是将您的imhist呼叫替换为imcolourhist. 我建议您现在将每个颜色通道的 bin 选择为 8 个（即num_red_bins = num_green_bins = num_blue_bins = 8。您必须尝试使用​​它才能获得良好的结果。

因此，您将在计算直方图的位置更改代码A：

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，我在图像中读取为color，因此rgb2gray删除了调用。同样，对于B，你会这样做：

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。因为您只是将颜色直方图用作图像检索的一种方法，所以您可能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，但在纹理和组成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，则这些图像将被视为高度相似，即使它们看起来一点也不像。

祝你好运！

于 2014-09-14T06:55:51.067 回答