計算機視覺的特征提取算法研究至關(guān)重要。在一些算法中，一個高復(fù)雜度特征的提取可能能夠解決問題（進行目標檢測等目的），但這將以處理更多數(shù)據(jù)，需要更高的處理效果為代價。而顏色特征無需進行大量計算。只需將數(shù)字圖像中的像素值進行相應(yīng)轉(zhuǎn)換，表現(xiàn)為數(shù)值即可。因此顏色特征以其低復(fù)雜度成為了一個較好的特征。

在圖像處理中，我們可以將一個具體的像素點所呈現(xiàn)的顏色分多種方法分析，并提取出其顏色特征分量。比如通過手工標記區(qū)域提取一個特定區(qū)域（region）的顏色特征，用該區(qū)域在一個顏色空間三個分量各自的平均值表示，或者可以建立三個顏色直方圖等方法。下面我們介紹一下顏色直方圖和顏色矩的概念。

顏色直方圖：
顏色直方圖用以反映圖像顏色的組成分布，即各種顏色出現(xiàn)的概率。Swain和Ballard最先提出了應(yīng)用顏色直方圖進行圖像特征提取的方法[40]，首先利用顏色空間三個分量的剝離得到顏色直方圖，之后通過觀察實驗數(shù)據(jù)發(fā)現(xiàn)將圖像進行旋轉(zhuǎn)變換、縮放變換、模糊變換后圖像的顏色直方圖改變不大，即圖像直方圖對圖像的物理變換是不敏感的。因此常提取顏色特征并用顏色直方圖應(yīng)用于衡量和比較兩幅圖像的全局差。另外，如果圖像可以分為多個區(qū)域，并且前景與背景顏色分布具有明顯差異，則顏色直方圖呈現(xiàn)雙峰形。

顏色直方圖也有其缺點：由于顏色直方圖是全局顏色統(tǒng)計的結(jié)果，因此丟失了像素點間的位置特征?？赡苡袔追鶊D像具有相同或相近的顏色直方圖，但其圖像像素位置分布完全不同。因此，圖像與顏色直方圖得多對一關(guān)系使得顏色直方圖在識別前景物體上不能獲得很好的效果。

考慮到顏色直方圖的以上問題，主色調(diào)直方圖便產(chǎn)生了。所謂主色調(diào)直方圖基于假設(shè)少數(shù)幾個像素的值能夠表示圖像中的絕大部分像素，即出現(xiàn)頻率最高的幾個像素被選為主色，僅用主色構(gòu)成的主色調(diào)直方圖描述一幅圖像。這樣的描述子并不會降低通過顏色特征進行匹配的效果，因為從某種角度將，頻度出現(xiàn)很小的像素點可以被視為噪聲。

顏色矩：
顏色矩是一種有效的顏色特征，由Stricker和Orengo提出[41]，該方法利用線性代數(shù)中矩的概念，將圖像中的顏色分布用其矩表示。利用顏色一階矩（平均值A(chǔ)verage）、顏色二階矩（方差Variance）和顏色三階矩（偏斜度Skewness）來描述顏色分布。與顏色直方圖不同，利用顏色矩進行圖像描述無需量化圖像特征。由于每個像素具有顏色空間的三個顏色通道，因此圖像的顏色矩有9個分量來描述。由于顏色矩的維度較少，因此常將顏色矩與其他圖像特征綜合使用。

顏色集：
以上兩種方法通常用于兩幅圖像間全局或region之間的顏色比較、匹配等，而顏色集的方法致力于實現(xiàn)基于顏色實現(xiàn)對大規(guī)模圖像的檢索。顏色集的方法由Smith和Chang提出[42]，該方法將顏色轉(zhuǎn)化到HSV顏色空間后，將圖像根據(jù)其顏色信息進行圖像分割成若干region，并將顏色分為多個bin，每個region進行顏色空間量化建立顏色索引，進而建立二進制圖像顏色索引表。為加快查找速度，還可以構(gòu)造二分查找樹進行特征檢索。