颜色聚合向量Color Coherence vector CCV

颜色特征是在图像检索中应用最为广泛的视觉特征，主要原因在于颜色往往和图像中所包含的物体或场景十分相关。此外，与其他的视觉特征相比，颜色特征对图像本身的尺寸、方向、视角的依赖性较小，从而具有较高的鲁棒性。

颜色直方图是在许多图像检索系统中被广泛采用的颜色特征。它所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。颜色直方图特别适于描述那些难以进行自动分割的图像。

计算颜色直方图需要将颜色空间划分成若干个小的颜色区间，每个小区间成为直方图的一个bin。这个过程称为颜色量化（color quantization）。然后，通过计算颜色落在每个小区间内的像素数量可以得到颜色直方图。设一幅彩色图像包含N个象素，图像的颜色空间被量化为L种不同的颜色，则颜色直方图可通过下式计算：

，为整幅图像中第k种颜色的像素个数。

从上述定义可以看出，颜色直方图表现的是图像的一种全局特征，每一幅图像具有唯一的颜色直方图。并且，颜色直方图对图像的旋转、平移以及缩放具有天生不变性。但是，颜色直方图仅仅考虑了图像象素的颜色，但同时它丢失了图像颜色的空间分布信息，两幅颜色空间分布完全不同的图像可以具有相同的直方图，这样就会造成检索的误差，因此检索还应该加进颜色的空间分布信息。

Sample

function CCV_output = Color_Coherence_Vectors(img)
%img is simple channel
[rows,cols] = size(img);
H = fspecial('average',3);
imgBlur = imfilter(img,H,'replicate');
clear('img');
N = 4;%量化为N等份
% Ndis = 256/N;%量化距离
% reduceColors = ((imgBlur-Ndis/2)/Ndis)+1;
imgBlur = double(imgBlur);

minpix = min(min(imgBlur));
maxpix = max(max(imgBlur));
reduceColors = round((imgBlur-minpix)/(maxpix-minpix)*(N-1))+1;
clear('imgBlur');
CCV_outputT = zeros(N,2);
for m = 1:N
    lianTong = bwlabel(reduceColors == m,8);
    JuHe = 0;
    N_JuHe = 0;
    for m1 = 1:max(max(lianTong))
        lianTongareaSimple = length(find(lianTong == m1));
        if lianTongareaSimple > rows*cols*0.01  %
            JuHe = JuHe + lianTongareaSimple;
        else
            N_JuHe = N_JuHe + lianTongareaSimple;
        end
    end
    CCV_outputT(m,1) = JuHe;
    CCV_outputT(m,2) = N_JuHe;
end
% CCV_output = CCV_outputT/(rows*cols)*1.0;
CCV_output = CCV_outputT;