模型。HSV颜色空间模型与人类的视觉感知系统比较接近，因此我们在HSV颜色空间模型中对彩色图像进行处理。HSV颜色空间模型中，H是色调（取值范围：0～360度）；S是饱和度（取值范围：0～1）；V是亮度（取值范围：0～1）。色调H是色彩的基本属性，与人们感知到的白、黑、灰、红、黄、绿、
1
f蓝、紫等颜色可以对应起来。饱和度S是色彩的纯度，饱和度越高色彩越纯，饱和度低，色彩变灰。亮度V是色彩的明暗程度。图像大多数是bmp格式的图像，一般我们从图像中得到的是图像的RGB值，本文采用HSV颜色空间模型计算图像的主色调，以下为RGB与HSV的转换关系：
GBmaxRGBmi
RGBifRmaxRGBBRH2ifGmaxRGBmaxRGBmi
RGBRGotherwise4maxRGBmi
RGB
（1）
maxRGBmi
RGBmaxRGBSifmaxRGB00ifmaxRGB0
VmaxRGB255
（2）
（3）
为了减少计算量，分别对H，S，V三个分量按照表1量化准则进行量化，把色调分成13份，这样突出了人类视觉对色调敏感的特点，减小了图像亮度和饱和度对检索结果的影响。表1色调量化表ColorID12345678910111213ColorTypeWhiteBlackGrayRedRedYellowYellowYellowGree
Gree
Gree
BlueBlueBluePurplePurplePurpleRedHueRa
geA
yA
yA
y0°25°∪350°360°25°45°45°65°65°85°85°160°160°180°180°270°270°290°290°330°330°350°Satratio
Ra
ge01A
y01ValueRa
ge≥085015015085
≥01
≥015
22提取纹理特征Haralick3于1973年首先提出灰度共生矩阵方法。本文把对图像进行色调量化后的图像，按照各个色调块进行分块，然后提前每个分块的纹理特征。提取纹理特征采用灰度共生矩阵方法。灰度共生矩阵是对图像所有像素进行统计，来描述其灰度分布的一种方法。灰度共生矩阵表示了图像中相距d的两个灰度像素同时出现的联合概率分布。本文对每个分块提取纹理特征。灰度共生矩阵定义如下：
2
f假设用fxy1≤x≤N1≤y≤N表示一幅N×N的灰度级为G的图像，则满足一定关系的灰度共生矩阵为：pijσx1y1x2y2fx1y1ifx2y2jσx表示集合x中元素的个数显然P为G×G矩阵。若x1y1与x2y2间距离为d，两者与坐标横轴的夹角为θ。θ一般取值0°45°90°135°等4个方向。共生矩阵可以反映不同像素之间关于方向相邻间隔和变化幅度的综合信息能用于分析图像基元和排列结构的信息。由灰度共生矩阵可以计算出一r