(2)将整幅图像分成4×4块。
(3)分别对16块1/16子图像进行sobel边缘算子运算，得到边缘图像。
(4)统计子图像中的边缘直方图，该直方图包括4个直方条。（横轴为0，1，2，3四个边缘方向，纵轴为该方向上的象素数占子图像总的象素数的比率）
(5)将16个子图像的直方条综合起来，得到包括64个直方条的整幅图像的边缘直方图。
下面介绍用sobel算子
[5]提取图像边缘的具体算法：
首先介绍一下sobel算子中用到的4个核模板：
(1)将图像中的象素点的灰度值分别与以上四个方向的核模板相乘。
(2)比较四个乘积数值，取最大的那个数值，作为该象素点的新的灰度值。
(3)取适当的阈值T，若新的灰度值≥T，则认为该象素点为边缘点。
通过以上算法提取出图像的边缘。
3.2 相似度计算
仍然采用欧式距离公式作为相似度的计算公式，如下：
其中；Q
i，D
i为图像Q，D在边缘直方图中对应的第i个直方条的值。
4 利用综合特征进行检索
对于以上三幅图像，假设它们是原图像的1/4图像（其余3/4图像与此1/4图像相同），如果按照本文中的利用颜色特征进行检索，那么将得出完全相似的结论，但是实际上这三幅图像给人的感觉是完全不同的。因此说单一的依靠提取一种特征来进行检索，得出的结果往往是不尽如人意的。在本文中，利用颜色布局描述符结合了颜色特征和空间关系的特点；利用边缘直方图作为纹理特征弥补了颜色特征缺乏空间分布信息的不足，考虑到图像中的边缘多对应目标的边界或轮廓，边缘直方图描述符在一定程度上还反映了图像中目标的形状信息。
因此这两种特征描述符达到了不同特征的优势互补的效果，而且，这两种特征在提取的过程中都归一化到了[0，1]区间，可以综合在一起进行图像检索。设颜色特征的权重为Wc，纹理特征权重为Wt，并且Wc+Wt=1，则综合特征的相似度计算公式为：
5 实验结果及结论
本文验证的系统的开发平台为Microsft Windows XP操作系统，赛扬2.0G的CPU，1G的内存。开发工具为vc++6.0。本文的实验图库为从标准测试图像库Corel图像库中选取的由海滩、恐龙、大象、马、花等组成的102幅图片。表1、表2给出这几类图片的查准率和查全率。
表1 六类图片的查准率
利用颜
色特征
利用纹
理特征
利用综
合特征
海滩
0.583
0.500
0.833
恐龙
0.500
1.000
1.000
大象
0.417
0.333
0.583
马
0.583
0.833
1.000
雪景
0.167
0.250
0.333
花
0.500
0.667
0.833
表2 六类图片的查全率
利用颜
色特征
利用纹
理特征
利用综
合特征
海滩
0.350
0.300
0.500
恐龙
0.300
0.600
0.600
大象
0.250
0.150
0.350
马
0.583
0.833
1.000
雪景
0.100
0.150
0.250
花
0.300
0.400
0.500
从表1、表2中的数据可以看出，利用综合特征进行图像检索得到的查准率和查全率都要高于使用任何一种单一的方法进行图像检索得到的查准率和查全率。通过以上的实验结果图片和结果数据可以看出本文中综合利用颜色和纹理特征进行图像检索的效果比使用单一特征进行检索的效果更好，更符合人的视觉要求。因此，本文提出的综合颜色和纹理特征进行图像检索的方法是有效的，有意义的方法。
