基于图像特征的检索

图像的检索

一种是将图像的语义进行检索，即之间检索文字，这样就需要认为定义图片的关键字；

另一种是提取图像的底层特征，然后检索特性相近的图像。

在辅导本科生的毕业设计时，采用的是基于特征的图像检索。

下面是简单的基于颜色特征的检索，采用的库是来自：Corel5k数据集。数据源

（1）首先将图像分成2*2子块，每一块分别提取颜色特征3个分量r，g，b直方图，量化等级为8，，得到累积直方图，最后一个等级值为1，因此一个子块的特征为3*7=21个

（2）然后将每个子块与数据库中数据（训练好的，按照（1）中方法）求距离，

（3）根据投票法排序得到排名，显示。

其中将数据存在sql server2008中，一共23个列，包括r（0~7）g（0~7）b （0~7） imgKeyword  imgPath

vc6.0连接·sql server使用的是ado连接方式。ado集成类

ADO连接有ODBC ,  OLEDB两种方式，主要用的OLEDB

其中ODBC需要提供数据源，oledb是采用统一的方式处理,效率更高些。

首先需要import“”ADO类； 然后初始化com；然后connection建立连接;

ado操作中主要有三个智能指针：Connection、Command对象执行SQL命令，或利用Recordset对象取得结果记录

其中分块注意

vector<IplImage *>m_img;

void split_img(string name)
{

    IplImage* src=cvLoadImage(name.c_str(),3); 
    char *m_num=new char;
    int num=0;

    long img_width=src->width/SPLIT;
    long img_height=src->height/SPLIT;

    //实现图像分块
    vector<IplImage*> m_image; 
for (int i = 0; i < SPLIT;i++)//行
{
for (int j = 0; j < SPLIT; j++)//列
{

IplImage * temp=cvCloneImage(src);
CvRect rect;
rect.x=i *img_width;
rect.y= j *img_height;
rect.width= img_width;
rect.height=img_height;
cvSetImageROI(temp, rect);
IplImage* g=cvCreateImage(cvSize(rect.width,rect.height),temp->depth,temp->nChannels);
cvResize(temp,g,CV_INTER_LINEAR);

                        cvResetImageROI( temp);
m_image.push_back(g);//注意要有cvresize，不然g在存入后进行其他操作会出错，如果只是显示可以不用。直接g=temp；就可以

}
}
   }

排序·：采用的multimap

 multimap<double,CString>对每一个子块得到imgrank1 imgrank2 imgrank3 imgrank4

然后转为 multimap<CStirng,double > imgsearch1，imgsearch2，imgsearch3，imgsearch4

最后合并4个imgsearch，将CString相同的double相加。得到最后排序

实验代码