MỤC LỤC

DANH MỤC TỪ VIẾT TẮT
DANH MỤC HÌNH
PHẦN MỞ ĐẦU
Chương 1: KHÁI QUÁT VỀ TRUY VẤN ẢNH VÀ TRUY VẤN DỰA VÀO
HÌNH DẠNG
1.1. Khái quát về truy vấn ảnh Trang 04
1.1.1. Giới thiệu chung Trang 04
1.1.2. Một số phương pháp truy vấn ảnh Trang 07
1.1.2.1. Truy vấn ảnh theo bản thể Trang 07
1.1.2.2. Truy vấn ảnh theo nội dung Trang 09
1.1.2.3. Truy vấn ảnh theo đồ thị Trang 10
1.2. Mô hình hệ thống truy vấn ảnh theo nội dung Trang 10
1.2.1. Không gian màu Trang 11
1.2.2. Các moment màu Trang 12
1.2.3 Lược đồ màu (histogram màu) Trang 13
1.2.4. Véctơ gắn kết màu Trang 15
1.2.5. Sơ đồ tương quan màu Trang 15
1.2.6. Các đặc điểm bất biến màu Trang 16
1.2.7. Một số phương pháp truy vấn ảnh Trang 17
1.2.7.1. Truy vấn ảnh theo hình dạng Trang 17
1.2.7.2. Truy vấn ảnh theo nội dung Trang 18
1.2.7.3. Truy vấn ảnh theo đối tượng Trang 19
1.2.7.4. Truy vấn ảnh kết hợp với máy học Trang 19
Chương 2: MỘT SỐ VẤN ĐỀ TRONG TRUY VẤN ẢNH DỰA VÀO HÌNH
DẠNG
2.1. Trích chọn đặc trưng hình dạng Trang 22
2.1.1. Biên và các phương pháp phát hiện biên Trang 23
2.1.1.1. Phương pháp phát hiện biên trực tiếp Trang 23
2.1.1.2. Phương pháp phát hiện biên gián tiếp Trang 28

KẾT LUẬN Trang 70
TÀI LIỆU THAM KHẢO
DANH MỤC TỪ VIẾT TẮT
Chữ tắt
Dạng đầy đủ
Nghĩa tiếng Việt
CCD
Charge Coupled Device
Thiết bị tích điện kép
CCV
Color Cohefeence Vector
Vector gắn kết màu
CSDL
…
Cơ sở dữ liệu
FFT
Fast Fourier transform
Biến đổi Fourier nhanh
KL
Kullback-Leibler
Độ phân kỳ Kullback-Leibler
KLo
Karhumen-Loeve
Phép biến đổi Karhumen-Loeve
PCA
Principal Component Analysis
Phân tích thành phần cơ bản
QBIC
Query By Image Content
Truy vấn theo nội dung ảnh

- Kết quả 01 sau khi chạy thử ứng dụng theo kịch bản 02…… Trang 64
Hình 3.9
- Kết quả 02 sau khi chạy thử ứng dụng theo kịch bản 02…… Trang 64
Hình 3.10
- Kết quả 03sau khi chạy thử ứng dụng theo kịch bản 02…… Trang 65
Hình 3.11
- Kết quả 01 sau khi chạy thử ứng dụng theo kịch bản 03…… Trang 66
Hình 3.12
- Kết quả 02 sau khi chạy thử ứng dụng theo kịch bản 03…… Trang 66
Hình 3.13
- Kết quả 03 sau khi chạy thử ứng dụng theo kịch bản 03…… Trang 67

1

PHẦN MỞ ĐẦU

Ngày nay, hình ảnh (sau đây gọi là ảnh) đóng một vai trò quan trọng, ảnh đã
cùng len lõi vào tất cả các lĩnh vực của con người trong cuộc sống hiện tại, từ các
lĩnh vực trong khoa học kỹ thuật như Y học, Xây dựng, Thiên văn… đến các lĩnh
vực Văn hóa xã hội như: Giáo dục đào tạo, Mỹ thuật, Văn hóa nghệ thuật, Hội
họa…v.v. Từ các ảnh thu thập được từ thực tế bằng các phương pháp kỹ thuật như
chụp, ghi hình đến các ảnh được tạo ra bằng phương pháp thủ công như vẽ. Từ các
ảnh thể hiện kích thước lớn đến các ảnh thể hiện các vật có kích thước nhỏ hay
siêu nhỏ. Trong mỗi lĩnh vực, ảnh đều mang lại các giá trị thiết thực, giúp làm
phong phú quá trình phục vụ một nhu cầu nhất định của con người.
Từ năm 1965, Sketchpad Ivan Sutherland đã ứng dụng khoa học máy tính
vào việc tạo và lưu trữ hình ảnh trên máy tính với tính khả thi cao nhưng giá thành
lại khá đắt do giá thành phần cứng và khả năng xử lý lưu trữ phụ thuộc vào phần
cứng. Đến những năm 1990, với việc công nghệ Internet được phát minh và
WWW ra đời cho phép khả năng lưu trữ hình ảnh rộng rãi và tra cứu thông tin trên

Đồng thời giới thiệu mô hình hệ thống truy vấn ảnh theo nội dung trong đó có một
số phương pháp như: truy vấn ảnh theo hình dạng, truy vấn ảnh theo nội dung, truy
vấn ảnh theo đối tượng, truy vấn ảnh kết hợp với máy học.
Chƣơng 2: Một số vấn đề trong truy vấn ảnh dựa vào hình dạng.
Trình bày về việc trích chọn đặc trưng hình dạng trong ảnh, đánh giá độ
tương tự và xây dựng sơ đồ đánh chỉ số đồng thời nêu giải pháp tương tác với
người dùng.
Chƣơng 3: Truy vấn biển báo giao thông dựa vào hình dạng.
Nêu lên bài toán truy vấn các ảnh biển báo giao thông dựa vào hình dạng từ
đó phân tích hướng giải quyết và xây dựng chương trình để giải quyết bài toán,
những hạn chế và khả năng mở rộng trong tương lai.
3

Phần kết luận: Tóm lược các kết quả đạt được và định hướng một số nội
dung tiếp tục nghiên cứu trong thời gian tới
Tài liệu tham khảo: Các tài liệu tham khảo và nghiên cứu trong quá trình
thực hiện luận văn.
4

CHƢƠNG 1: KHÁI QUÁT VỀ TRUY VẤN ẢNH
VÀ TRUY VẤN ẢNH DỰA VÀO HÌNH DẠNG
1.1. Khái quát về truy vấn ảnh:
1.1.1. Giới thiệu chung:
Ảnh là một đối tượng có ý nghĩa trong nhiều lĩnh vực phục vụ nhu cầu cần
có của con người. Ảnh thường được hiểu cơ bản là những gì chúng ta thấy và được
ghi nhận lại bằng mắt, bằng máy ảnh, máy ghi hình, thu nhận được qua máy quét
hay do con người vẽ ra… và được lưu trữ lại để phục vụ một nhu cầu nào đó của
con người. Vì vậy, ở mỗi môi trường khác nhau, ảnh sẽ phục vụ lợi ích khác nhau
và có hình thức thể hiện khác nhau. Với sự phát triển của khoa học kỹ thuật, ngoài
việc lưu giữ ảnh bằng hình thức thông thường trong kho lưu giữ, thì con người còn

được phân chia ra thành ảnh màu, ảnh xám, hay ảnh nhị phân. Khi trên một ảnh chỉ
có giá trị 0 hoặc 1 thì ta nói đó là một ảnh nhị phân hoặc ảnh đen trắng và các điểm
ảnh của nó gọi là điểm ảnh nhị phân.
- Ảnh màu: chỉ đề cập đến không gian màu RGB (Red, Green, Blue), người ta
dùng 3 byte để mô tả mức màu, khi đó gia trị màu trong khoảng {0, 2
3x 8
}.
Một số ứng dụng trong thực tế đòi hỏi chúng ta cần thực hiện quá trình tìm
kiếm các ảnh (truy vấn ảnh) từ trong kho dữ liệu được lưu trữ sẳn (CSDL). Kho
lưu trữ này thường là một kho cục bộ được lưu trữ trên các thiết bị ghi nhớ hoặc là
một kho lưu trữ được liên kết thông qua môi trường Internet từ nhiều kho khác
nhau. Quá trình tìm kiếm này thường trích chọn một số tiêu chí riêng biệt hay kết
hợp nhiều tiêu chí như tên lưu trữ, nội dung mô tả, màu sắc, độ sáng của ảnh, sau
đó quá trình truy vấn sẽ so sánh các tiêu chí này của ảnh gốc so với các tiêu chí
của các ảnh trong kho lưu trữ và cho ra kết quả cần tìm.
Bài toán truy vấn ảnh bao gồm quá trình trích chọn các đặc trưng và quá
trình truy vấn dựa trên các đặc trưng được trích chọn. Quá trình truy vấn ảnh là
quá trình liên quan đến các mô tả đối tượng mà người ta muốn đặc tả nó. Có hai
kiểu mô tả đối tượng
- Mô tả tham số (truy vấn theo tham số)
6

- Mô tả theo cấu trúc (truy vấn theo cấu trúc)
Việc nhận biết và đánh giá các nội dung của ảnh là sự phân tích một hình
ảnh thành những phần có nghĩa để phân biệt đối tượng này với đối tượng khác.
Dựa vào đó ta có thể mô tả cấu trúc của hình ảnh ban đầu. Có thể liệt kê một số
phương pháp truy vấn cơ bản như truy vấn biên của một đối tượng trên ảnh, tách
cạnh, phân đoạn hình ảnh Kỹ thuật này được sử dụng nhiều trong y học (xử lý tế
bào, nhiễm sắc thể).
Trong thực tế người ta đã thực hiện truy vấn khá thành công với nhiều đối

b. Quá trình “số hóa” (Digitalizer): để biến đổi tín hiệu tương tự sang
tín hiệu rời rạc (lấy mẫu) và số hóa bằng lượng hóa, trước khi chuyển sang giai
đoạn xử lý, phân tích hay lưu trữ lại.
c. Quá trình “phân tích ảnh”: bao gồm nhiều công đoạn nhỏ. Trước tiên
là công việc tăng cường hình ảnh (Image Enhancement) để nâng cao chất lượng
hình ảnh. Do những nguyên nhân khác nhau: có thể do thiết bị thu nhận ảnh, do
nguồn sáng hay do nhiễu, ảnh có thể bị suy biến. Do vậy cần phải tăng cường và
khôi phục (Image Restoration) lại ảnh để làm nổi bật một số đặc tính chính của ảnh,
hay làm cho ảnh gần giống với trạng thái gốc- trạng thái trước khi ảnh bị biến dạng.
Giai đoạn tiếp theo là phát hiện các đặc tính như biên (Edge Detection), phân vùng
ảnh (Image Segmentation), trích chọn các đặc tính (Feature Extraction),v.v
d. Quá trình “kết quả truy vấn”: tuỳ theo mục đích của ứng dụng, sẽ là
kết quả truy vấn, phân lớp hay thực hiện các quyết định khác.
Ngày nay, có nhiều hệ thống truy vấn ảnh (sử dụng mang tính thương mại
và thực nghiệm) được phát triển. Ảnh được nghiên cứu và phát triển bao gồm ảnh
tĩnh và ảnh động. Ở phạm vi của luận văn, chỉ đề cập đến phạm vi ảnh tĩnh.
1.1.2. Một số phương pháp truy vấn ảnh:
Mục tiêu của các phương pháp truy vấn ảnh là tìm ra ảnh đúng với nhu cầu
cần tìm thông qua các đặc trưng của ảnh. Hiện nay, có nhiều phương pháp truy vấn
ảnh đã được nghiên cứu và áp dụng. Trong số đó, có một số dạng truy vấn như:
1.1.2.1. Truy vấn ảnh theo bản thể :
Phương pháp đơn giản nhất trong việc truy vấn là tìm kiếm ảnh theo từ
khoá, các từ khoá tương ứng với các trường trong CSDL lưu trữ ảnh. Quá trình
truy vấn là so khớp từ khoá với các từ được mô tả trong các trường thông qua biểu
thức logic. Tuy nhiên, các phương pháp tìm kiếm theo từ khoá phát sinh nhiều hạn
chế như [9]:
8

- Một từ khoá trong văn bản không chỉ ra được văn bản đó có thích hợp hay
không và các văn bản thích hợp lại có thể không chứa một từ khoá nhất định.

để diễn tả dữ liệu về dữ liệu (metadata) của các ảnh.
- Tìm kiếm theo cách nhìn: các bản thể của một mô hình, chẳng hạn Sự kiện,
Con người hoặc Vị trí cho ta các cách nhìn khác nhau vào cùng một nội dung giới
thiệu. Mỗi cách nhìn bao gồm các lớp và các trường hợp ví dụ biểu diễn bằng
metaphor của một trình duyệt hệ thống file trong đó các lớp tương ứng với các thư
mục và các trường hợp ví dụ tương ứng với các file.
- Duyệt ngữ nghĩa: sau khi tìm kiếm được tâm điểm chú ý là một ảnh nào
đó, mô hình bản thể ngữ nghĩa cùng với dữ liệu ảnh ví dụ có thể được sử dụng để
tìm ra mối quan hệ giữa ảnh được lựa chọn và các ảnh trong cơ sở dữ liệu ảnh. Các
ảnh này sẽ được đưa ra cho người sử dụng chọn. Những ảnh đó có thể không phù
hợp hoàn toàn với truy vấn nhưng nói chung là tương đối phù hợp.
1.1.2.2. Truy vấn ảnh theo nội dung:
Phương pháp này áp dụng dựa trên nguyên lý rút trích các thông số đặc
trưng của ảnh như: màu sắc (mức xám), hình dạng (biên), vị trí…Hiện đã có nhiều
công trình nghiên cứu về phương pháp này và theo nhiều hướng tiếp cận khác
nhau như: VisualSeek và Webseek của 2 tác giả John R. Smith and Shih-Fu
Chang thuộc Đại học Columbia; cả 02 hệ thống này đều thực hiện truy vấn theo
đặc trưng màu sắc, kết cấu, bố cục không gian. QBIC (Query By Image Content)
do hãng IBM và trung tâm nghiên cứu Almaden cùng hợp tác phát triển; Hệ thống
cho phép người sử dụng dùng công cụ đồ hoạ để mô tả và hiệu chỉnh truy vấn dựa
trên các đặc trưng như màu sắc, kết cấu, hình dạng của đối tượng.
10

1.1.2.3. Truy vấn ảnh theo đồ thị :
Như đã giới thiệu ở phần 1.1.2.2, kỹ thuật tra cứu ảnh theo nội dung dựa vào
những đặc điểm mức thấp như màu sắc, kết cấu và hình dạng của đối tượng ảnh.
Trong khi các phương pháp mô tả ảnh mức cao có khả năng mô tả gần gũi hơn với
trực giác của người sử dụng nhưng việc phát triển những phương pháp đó mới
dừng ở mức thử nghiệm và đòi hỏi rất nhiều quá trình xử lý phức tạp.
Mặc dù việc mô tả ảnh bằng các đặc điểm mức thấp có thể thực hiện khá

tính đồng nhất nếu các cặp 2 màu tương tự nhau trong không gian màu thì cũng
được con người cảm nhận như nhau hay khoảng cách đo được giữa hai màu bất kỳ
phải có liên quan trực tiếp với độ tương tự sinh học giữa hai màu đó.
RGB là không gian màu được sử dụng phổ biến nhất để hiển thị ảnh. Không
gian RGB bao gồm 3 thành phần màu là Đỏ (Red), Xanh lá cây (Green) và Xanh
lam (Blue). Các thành phần này gọi là màu cộng bởi vì các màu sắc trong không
gian RGB đều có thể thu được bằng cách cộng 3 thành phần màu này lại với nhau.
CMY là không gian màu thường sử dụng trong in ấn. Ba thành phần màu
của không gian CMY là màu xanh lơ (Cyan), hồng sẫm (Magenta) và vàng
(Yellow). Ba thành phần này gọi là các thành phần màu trừ vì mỗi màu trong
không gian CMY được sinh ra bởi sự hấp thụ các thành phần màu đó.
Cả RGB và CMY đều phụ thuộc thiết bị và không có tính đồng nhất.
Không gian màu HSV được sử dụng rộng rãi trong đồ hoạ máy tính và được
coi là một phương pháp biểu diễn màu sắc trực quan hơn. Ba thành phần màu là
sắc màu (hue), độ bão hoà màu (s) và giá trị độ sáng (v). Thành phần sắc màu
không thay đổi khi ta thay đổi độ chiếu sáng hay góc quan sát vì vậy thích hợp để
sử dụng trong việc nhận dạng đối tượng ảnh. Cũng có thể dễ dàng chuyển đổi các
giá trị từ không gian HSV sang RGB và ngược lại.
Các không gian màu CIE L*a*b và CIE L*u*v là các không gian màu
không phụ thuộc thiết bị và có thể coi là đồng nhất. Bao gồm các thành phần độ
12

sáng (L) và hai thành phần độ kết tủa màu (sắc độ màu) là a và b hoặc u và v. CIE
L*u*v được thiết kế để làm việc với việc trộn các thành phần màu cộng còn CIE
L*a*b được thiết kế để làm việc với việc trộn các thành phần màu trừ.
Các không gian màu RGB và CIE có thể chuyển đổi với nhau, tức là chúng
ta có thể sử dụng các công thức để chuyển đổi một giá trị màu từ không gian màu
này sang không gian màu khác.
Không gian màu đối lập sử dụng các trục màu ngược (R-G, 2B-R-G,
R+G+B), cách biểu diễn này có ưu điểm là tách được thông tin về độ sáng ra một





(1.2)
3
1
3
)(
1



N
j
iiji
f
N
s

(1.3)
Trong đó:
- f
ij
là giá trị của thành phần màu thứ i của điểm ảnh thứ j.
- N là số lượng điểm ảnh của ảnh đó.
13

Sử dụng cả thành phần moment bậc ba s
i

lượng tử màu. Cụ thể hơn là càng sử dụng nhiều bin màu thì khả năng biểu diễn
càng tốt. Tuy nhiên việc sử dụng quá nhiều bin màu không chỉ làm tăng khối
lượng tính toán mà còn không thích hợp để xây dựng một sơ đồ đánh chỉ số hiệu
14

quả cho cơ sở dữ liệu ảnh. Hơn nữa việc lượng tử hoá quá mịn cũng không thật
cần thiết trong nhiều trường hợp.
Một cách để làm giảm số lượng bin màu là sử dụng không gian màu đối lập
cho phép làm giảm số lượng mẫu độ sáng của ảnh. Một cách khác là sử dụng các
phương pháp phân cụm để xác định K màu tốt nhất trong một tập hợp ảnh xác
định, mỗi một màu trong K màu tốt nhất đó được coi là một bin màu. Do quá trình
phân cụm tính toán sự phân bố màu của tất cả các ảnh trong cơ sở dữ liệu nên sẽ
được giảm thiểu được số lượng các bin màu không chứa hoặc chứa rất ít điểm ảnh.
Một cách khác là sử dụng các bin màu có chứa nhiều điểm ảnh nhất, khi đó
chỉ cần một số lượng nhỏ bin màu cũng biểu diễn được đặc trưng quan trọng nhất
của một bức ảnh. Cách làm này không những không làm giảm hiệu năng của
phương pháp so sánh histogram mà đôi khi còn làm tăng hiệu năng do các bin màu
có kích thước lớn sẽ tránh được ảnh hưởng của nhiễu.
Khi cơ sở dữ liệu có chứa quá nhiều ảnh thì phương pháp so sánh histogram
có thể bị bão hoà, khi đó kết quả so sánh histogram màu chưa chắc đã phản ánh sự
tương tự về nội dung của các ảnh, để khắc phục nhược điểm này người ta đưa ra
kỹ thuật histogram liên kết.
Histogram liên kết có bổ sung thêm các thông tin khác mà không làm giảm
sự đơn giản của histogram màu. Để đạt được điều này, người ta phải lựa chọn rất
cẩn thận các đặc trưng cục bộ sẽ bổ sung vào histogram liên kết. Mỗi phần tử trong
lược đồ histogram liên kết chứa số lượng điểm ảnh trong ảnh được mô tả bởi một
bộ các giá trị đặc trưng. Như vậy histogram liên kết là lược đồ histogram đa chiều.
Mặt khác, do histogram màu không phản ánh được các thông tin mang tính
không gian của các điểm ảnh, vì vậy về mặt lý thuyết, các ảnh rất khác nhau có thể
có sự phân bố màu tương tự nhau. Vấn đề này rất dễ xảy ra đối với các cơ sở dữ

, β
N
)>
Chú ý là <α
1
+ β
1
, α
2
+ β
2
, , α
N
+ β
N
> chính là histogram màu của ảnh.
Do có chứa các thông tin về không gian của các điểm ảnh nên sử dụng các
véctơ gắn kết màu sẽ cho kết quả tra cứu tốt hơn so với sử dụng histogram màu,
đặc biệt là đối với những ảnh có vùng đồng nhất màu lớn.
Đối với cả phương pháp dùng véctơ gắn kết màu và phương pháp dùng
histogram màu thì sử dụng không gian HSV sẽ cho kết quả tốt hơn là sử dụng
không gian CIE L*u*v hay L*a*b.
1.2.5. Sơ đồ tương quan màu:
Sơ đồ tương quan màu không chỉ thể hiện sự phân bố màu của các điểm ảnh
mà còn thể hiện sự tương quan về mặt không gian của từng cặp màu. Trong sơ đồ
tương quan màu, thành phần thứ nhất và thứ hai của một histogram màu 3 chiều
thể hiện màu sắc của một cặp màu nào đó và thành phần thứ 3 là khoảng cách
không gian của chúng.
16


2
.
Nếu chúng ta tính toán cho tất cả các cặp màu có thể thì kích thước của sơ
đồ tương quan màu sẽ là rất lớn O(N
2
d), vì vậy để đơn giản người ta thường sử
dụng sơ đồ tự tương quan màu chỉ tính toán sự liên hệ không gian của các cặp màu
giống nhau và vì vậy giảm độ phức tạp tính toán xuống còn O(Nd).
So sánh với phương pháp dùng histogram màu và phương pháp dùng véctơ
gắn kết màu thì phương pháp dùng sơ đồ tương quan màu cho kết quả tra cứu tốt
nhất, tuy nhiên độ phức tạp cao nhất do sử dụng số chiều nhiều hơn (3 chiều).
1.2.6. Các đặc điểm bất biến màu:
Màu sắc không chỉ phụ thuộc vào chất liệu của bề mặt vật thể mà còn ảnh
hưởng bởi sự thay đổi của độ chói, phương hướng, góc chụp ảnh. Tuy nhiên, sự
bất biến của các yếu tố môi trường này đã không được tính đến trong khi trích
chọn các đặc điểm màu sắc đã trình bày ở trên.
17

1.2.7. Một số phương pháp truy vấn ảnh:
1.2.7.1. Truy vấn ảnh theo hình dạng :
Phương pháp này hiện đã được nghiên cứu rộng, trong đó dùng phương
pháp phân đoạn ảnh để xác định biên của đối tượng từ đó xác định hình dạng của
đối tượng cần tìm. Có nhiều hướng tiếp cận để thực hiện phân đoạn ảnh như [2]:
- Phương pháp dựa trên không gian đặc trưng:

- Phương pháp dựa trên mô hình vật lý:
Áp dụng các mô hình vật lý để minh họa các thuộc tính phản chiếu ánh sáng
trên bề mặt màu sắc của các đối tượng. Điểm quan trọng trong lĩnh vực phân vùng
ảnh màu dựa trên mô hình vật lý được Shafer đặt ra. Ông giới thiệu mô hình phản
xạ lưỡng sắc cho các vật chất điện môi không đồng nhất. Dựa trên mô hình này,
Klinker đã đặt ra một giải thuật đặt ra một số giả thiết quang học liên quan đến
màu sắc, bóng sáng, bóng mờ của các đối tượng và cố gắng làm phù hợp chúng
với hình dạng của các cụm. Hạn chế chính của giải thuật này là nó chỉ làm việc
trên các vật chất điện môi không đồng nhất. Hai ông cùng tên Tsang đã áp dụng
mô hình phản xạ lưỡng sắc trong không gian HSV để xác định các đường biên
trong ảnh màu.
1.2.7.2. Truy vấn ảnh theo nội dung:
Một số hệ thống truy vấn ảnh theo nội dung như :
- Phương pháp VisualSeek dựa trên đặc trưng không gian màu tương đồng
của ảnh (166 màu). Trước hết, người dùng phác họa một số vùng trên ảnh cần so
sánh và chọn màu sắc cho vùng, vị trí của vùng và độ lớn của vùng. Hệ thống dùng
hàm so sánh sự khớp nhau giữa các vùng trong 2 ảnh với công thức:
d(c
q,
c
t
)=(c
q
-c
t
)
t
* A(c
q
-c




q
+

t
-2

k with hq[k]≥ r
h
q
[k]r
t
[k] (1.6)
- Trong khi đó, phương pháp BlobWorld lại truy tìm ảnh theo ảnh mẫu dựa
trên việc rút trích dữ liệu điểm nguyên thủy cùng các đặc tính giống nhau về màu
sắc, kết cấu và hình dạng. Màu sắc sẽ được biểu diễn dưới dạng histogram 218
màu, kết cấu đặc trưng bởi sự tương phản và tính không thẳng đứng, còn các đặc
trưng hình dạng tính theo vùng với trọng tâm và hướng. Ảnh truy vấn theo sự phác
thảo của các vùng riêng biệt. Hàm so sánh sự tương đồng như sau:
d(h
1,
h
2
)=(h
1
-h
2
)