cedd是一種綜合顏色和紋理的特征提取方法。

參考論文：FCTH: FUZZY COLOR AND TEXTURE HISTOGRAM ：A LOW LEVEL FEATURE FOR ACCURATE IMAGE RETRIEVAL

網上搜索的關于cedd的介紹很少，看得也很是糾結，還有一些細節方面沒有弄很清楚，先寫一下以后備用，慢慢細化。

一、CEDD簡介

??????將圖像劃分成若干預設號碼的分塊，為了提取其中的顏色信息，在 HSV 顏色空間應用一組模糊規則提取模糊關聯直方圖。在一個有三個輸入口的模糊系統應用 20 條模糊規則產生一個 10-bin 的量化直方圖，其中每個 bin 關聯一種預設的顏色，而指定給每個 bin 的分塊號碼可存放一個特征向量。另外在一個有兩個輸入口的模糊系統應用 4 條模糊規則將 10bin 直方圖轉變成 24-bin 的直方圖，以提高了每種顏色的色調；其次提取邊緣的方向性描述子，邊緣直方圖描述子將圖像中的邊緣分為 5 種，分別是水平、垂直、45度 、135 度和無特定方向邊緣，然后把圖像分成若干個小塊，分析小塊內圖像的邊緣性質，判斷屬于哪一種邊緣，最后統計圖像中所有邊緣的信息；最后是描述 CEDD 特征向量的實現。

二、算法流程

（1）輸入圖像，如果圖像過大就進行壓縮。

（2）GrabCut進行圖像分割，利用opencv中的函數

void grabCut(InputArray image, InputOutputArray mask, Rect rect, InputOutputArray bgdModel, InputOutputArray
fgdModel, int iterCount, int mode)

得到所選區域中的疑似背景和疑似前景，分別從上往下找到疑似背景的top，從下到上找到疑似背景的bottom，從左到右找到疑似背景的left，從右到左找到疑似背景的right。

（3）將圖像分塊，論文中取1600塊，如果小塊再上一步所計算的top、bottom、 left 、right的區域內則分別計算模糊顏色直方圖和模糊紋理直方圖，否則舍掉。

???????? 紋理：計算紋理時利用每個像素的RGB值的均值。將每個小塊再分為2*2塊，分別計算水平、垂直、45度、135度和無特定方向的描述子，論文中取最大的為此小塊所屬的邊緣類型，程序中根據四個閾值判斷此小塊所屬于的邊緣類型。

??????? 顏色：將圖像轉換到HSV空間計算，對HSV分別計算模糊屬于哪個類別。

????????????????? 如圖：

???????????? ? 將H分量分為8個區間?，如下，根據來判斷H分量模糊屬于哪個區間。

static double tmpHueMembershipValues[] = {0, 0, 5, 10,5, 10, 35, 50,35, 50, 70, 85,70, 85, 150, 165,150, 165, 195, 205,195, 205, 265, 280,265, 280, 315, 330,315, 330, 360, 360};

????????????????SV分量類似。根據模糊規則（這一點還沒看懂）來生成一個10bin的量化直方圖。

?????????????? 同樣的利用SV兩個輸入根據模糊規則根據生成的10bin直方圖來生成一個24bin的量化直方圖。

（4）綜合6個紋理區間和14個顏色區間，6*24得到一個144維的模糊混合直方圖，得到一個1*144維的特征向量。

總結

以上是生活随笔為你收集整理的CEDD（Color and Edge Directivity Descriptor）学习篇的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。