色彩矩

色彩矩是描述图像中色彩分布特征的措施，与中心矩xxx地描述概率分布的方式相同。色彩矩主要用于色彩索引，作为图像检索应用中的特征，以比较两幅图像基于色彩的相似程度。通常情况下，一幅图像要与一个具有预先计算过的特征的数字图像数据库进行比较，以便找到并检索出相似的图像。图像之间的每一次比较都会产生一个相似度分数，这个分数越低，这两张图像就应该是越相同的。

色彩矩是缩放和旋转不变的。通常情况下，只有前三个颜色矩被用作图像检索的特征，因为大部分的颜色分布信息都包含在低阶矩中。由于颜色矩同时编码了形状和颜色信息，它们是在变化的光照条件下使用的良好特征，但它们不能非常成功地处理遮挡问题。颜色矩可以针对任何颜色模型进行计算。每个通道计算三个颜色矩（例如，如果颜色模型是RGB，则计算9个颜色矩；如果颜色模型是CMYK，则计算12个颜色矩）。计算颜色矩的方式与计算概率分布的矩相同。

xxx个颜色矩可以被解释为图像中的平均颜色，它可以通过以下公式来计算

第三个颜色矩是偏度（skewness）。它衡量颜色分布的不对称程度，因此它提供了关于颜色分布形状的信息。偏度可以用以下公式计算。

峰度是第四个颜色矩，与偏度类似，它提供了关于颜色分布形状的信息。更具体地说，峰度是衡量尾部与正态分布相比的极端程度。

高阶色彩矩通常不是图像检索任务中色彩矩特征集的一部分，因为它们需要更多的数据以获得对其数值的良好估计，而且低阶矩通常也能提供足够的信息。

色彩矩在图像检索中有着重要的应用。它们可以被用来比较两幅图像的相似程度。这是一种相对较新的颜色索引方法。使用颜色矩的xxx优势来自于不需要存储完整的颜色分布的事实。这xxx加快了图像检索的速度，因为有更少的特征需要比较。此外，前三个颜色矩具有相同的单位，这使得它们之间可以进行比较。

色彩索引是色彩矩的主要应用。图像可以被编入索引，而索引将包含计算出的颜色时刻。然后，如果有人拥有一张特定的图像，并想在数据库中找到类似的图像，那么感兴趣的图像的颜色矩也将被计算出来。之后，将使用以下函数来计算感兴趣的图像和数据库中所有图像之间的相似性分数。s_i1和s_i2是为图像分布计算的三阶矩。{displaystylew_{i1}}是图像分布的二阶矩。