众所周知，美颜SDK在运行图像识别和其它大部分操作时都需要提取相关的特征，其中最为常见的两大特征就是“图像特征”与“颜色特征”，这也是今天我们要探讨的话题，下文小编先给大家讲解一下颜色特征，请耐心阅读。
颜色特征可以分为三个话题，我们依次来探讨一下。
1、图像颜色矩
颜色矩简单来说，它是一种有效的颜色特征提取的方案，分为一阶矩、二阶矩、三阶矩，分别对应的是均值、方差与斜度。整体而言，由于目标的颜色信息大部分在低阶矩中，所以只用一二三阶矩即可表达图像中的颜色分布，而颜色矩可以行之有效的表示图像中所有颜色的分布。
2、颜色直方图
这个相对比较好理解。在单幅图像中的红绿蓝、灰度等各个通道的直方图其实都可以作为目标图像的特征信息。相似的直方图信息会队形相应的图像，例如：判断两张图像是否相似我们可以分别提取他们的直方图，最后再对直方图数据进行技术判断，如果指定阈值大于欧式空间距离，那么可以认为这两张图片是相似的。
3、颜色聚合向量
直方图和颜色矩讲完之后就到了最为关键的一点，它就是颜色的聚合向量。当“直方图”与“矩”不能描述图像色彩空间位置的缺点时，这边推出了图像的颜色聚合向量。总的来说，它可以称为颜色直方图的一种转变，底层逻辑是将属于直方图的每一个进行像素分为两部分，如果给定区域的阈值小于像素所占的连续区域，那么这个区域的像素可作为聚合像素，反之则为非聚合像素。因为空间信息被颜色分布包含其中，所以聚合向量回避直方图更请轻松的达到检索效果。
以上就是小编对于颜色特征一些知识的总结，因为篇幅限制，只写了其中三个关键点。对于小白用户来说乍看有些难以理解，实际背后的逻辑并没有那么复杂，下期我们会讲一下关于美颜SDK的图像特征，如果您对美颜相关知识感兴趣，请继续关注我们。
声明：本文由美狐原创，未经允许禁止转载，谢谢合作。
