CEDD（Color and Edge Directivity Descriptor）学习篇

cedd是一种综合颜色和纹理的特征提取方法。

参考论文：FCTH: FUZZY COLOR AND TEXTURE HISTOGRAM ：A LOW LEVEL FEATURE FOR ACCURATE IMAGE RETRIEVAL

网上搜索的关于cedd的介绍很少，看得也很是纠结，还有一些细节方面没有弄很清楚，先写一下以后备用，慢慢细化。

一、CEDD简介

将图像划分成若干预设号码的分块，为了提取其中的颜色信息，在 HSV 颜色空间应用一组模糊规则提取模糊关联直方图。在一个有三个输入口的模糊系统应用 20 条模糊规则产生一个 10-bin 的量化直方图，其中每个 bin 关联一种预设的颜色，而指定给每个 bin 的分块号码可存放一个特征向量。另外在一个有两个输入口的模糊系统应用 4 条模糊规则将 10bin 直方图转变成 24-bin 的直方图，以提高了每种颜色的色调；其次提取边缘的方向性描述子，边缘直方图描述子将图像中的边缘分为 5 种，分别是水平、垂直、45度
、135 度和无特定方向边缘，然后把图像分成若干个小块，分析小块内图像的边缘性质，判断属于哪一种边缘，最后统计图像中所有边缘的信息；最后是描述 CEDD 特征向量的实现。

二、算法流程

（1）输入图像，如果图像过大就进行压缩。

（2）GrabCut进行图像分割，利用opencv中的函数

void grabCut(InputArray image, InputOutputArray mask, Rect rect, InputOutputArray bgdModel, InputOutputArray

fgdModel, int iterCount, int mode)

得到所选区域中的疑似背景和疑似前景，分别从上往下找到疑似背景的top，从下到上找到疑似背景的bottom，从左到右找到疑似背景的left，从右到左找到疑似背景的right。

（3）将图像分块，论文中取1600块，如果小块再上一步所计算的top、bottom、 left 、right的区域内则分别计算模糊颜色直方图和模糊纹理直方图，否则舍掉。

纹理：计算纹理时利用每个像素的RGB值的均值。将每个小块再分为2*2块，分别计算水平、垂直、45度、135度和无特定方向的描述子，论文中取最大的为此小块所属的边缘类型，程序中根据四个阈值判断此小块所属于的边缘类型。

颜色：将图像转换到HSV空间计算，对HSV分别计算模糊属于哪个类别。

如图：


将H分量分为8个区间 ，如下，根据来判断H分量模糊属于哪个区间。

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分量类似。根据模糊规则（这一点还没看懂）来生成一个10bin的量化直方图。

同样的利用SV两个输入根据模糊规则根据生成的10bin直方图来生成一个24bin的量化直方图。

（4）综合6个纹理区间和14个颜色区间，6*24得到一个144维的模糊混合直方图，得到一个1*144维的特征向量。