CN105488510B - 静态图片的颜色直方图的构建方法及其系统 - Google Patents

Abstract

本发明涉及图像处理技术，公开了一种静态图片的颜色直方图的构建方法及其系统。本发明中，包含以下步骤：统计输入图片的高维颜色直方图；将统计得到的颜色直方图进行维数转换，得到较低维数的颜色直方图；对低维颜色直方图进行量化，将每一维对应的统计结果量化到归一范围内；输出经所述量化后的低维颜色直方图，以减少处理的数据量，易于后续分析处理，同时也能够很好地保留原有关键信息。由于与其他的视觉特征相比，颜色特征对图像本身的尺寸、方向、视觉的依赖性较小，从而具有较高的鲁棒性，而将每一维对应的统计结果量化到归一范围内，也能够很好地保留原有关键信息。

Description

静态图片的颜色直方图的构建方法及其系统

技术领域

本发明涉及图像处理技术，特别涉及使用颜色结构特征实现对静态图片进行颜色直方图的构建技术。

背景技术

颜色是图像内容组成的基本要素，是人们识别图像的主要感知特性之一。每种物品都有其特有的颜色特征，颜色特征是一种全局特征，描述了图像或图像区域所对应景物的表面性质。目前几乎所有基于内容检索的图像数据库系统都把颜色特征作为检索的一个重要依据，利用颜色特征进行图像检索已经成为基于内容检索技术中最重要的方法之一，涉及图像颜色空间的选择、颜色空间的量化(特征提取)、颜色空间距离的选择(特征匹配算法)所采用的技术。

颜色直方图是最基本的颜色特征表示方法，它反映的是图像中颜色的组成分布，即出现了哪些颜色以及各种颜色出现的概率。也就是说，是对输入的图片中各种颜色出现在不同颜色结构中的次数的直方图统计结果，其所描述的是不同色彩在整幅图像中所占的比例，无法描述图像中的对象或物体几何信息，但是由于颜色直方图相对于图像以观察轴为轴心的旋转以及幅度不大的平移和缩放等几何变换是不敏感的，而且对于图像质量的变化也不甚敏感，所以它特别适合描述那些难以进行自动分割的图像和不需要考虑物体空间位置的图像。

但目前的颜色直方图的构建方法，为了保证能准确反映图像中颜色的组成分布，通常统计的是高维的颜色直方图，如256维颜色直方图，因此数据处理量大，处理时间长，不易于后续的分析处理。

发明内容

本发明的目的在于提供一种静态图片的颜色直方图的构建方法及其系统，以减少处理的数据量，易于后续分析处理，同时也能够很好地保留原有关键信息。实现对连续输入的图像进行统计，输出不同图像分别对应的低维颜色直方图。并且，构建的低维颜色直方图对于图像经过旋转变换、缩放变换、模糊变换等物理变换是不敏感的，在图片经过物理变换后其颜色直方图变化不大，从而能够比较不同图像的全局差。

为解决上述技术问题，本发明的实施方式提供了一种静态图片的颜色直方图的构建方法，包含以下步骤：

A、统计输入图片的第一维数的颜色直方图；

B、将所述统计得到的第一维数的颜色直方图进行维数转换，得到第二维数的颜色直方图；其中，所述第一维数大于所述第二维数；

C、对所述第二维数的颜色直方图进行量化，将每一维对应的统计结果量化到归一范围内；

D、输出经所述量化后的第二维数的颜色直方图。

本发明的实施方式还提供了一种静态图片的颜色直方图的构建系统，包含：

颜色量化值统计模块，用于统计输入图片的第一维数的颜色直方图；

维数转换模块，用于将所述统计得到的第一维数的颜色直方图进行维数转换，得到第二维数的颜色直方图；其中，所述第一维数大于所述第二维数；

统计结果量化模块，用于对所述第二维数的颜色直方图进行量化，将每一维对应的统计结果量化到归一范围内；

输出模块，用于输出经所述量化后的第二维数的颜色直方图。

本发明实施方式相对于现有技术而言，统计输入图片的高维颜色直方图；将统计得到的颜色直方图进行维数转换，得到较低维数的颜色直方图；对低维颜色直方图进行量化，将每一维对应的统计结果量化到归一范围内；输出经所述量化后的低维颜色直方图，得到与当前输入图像唯一对应的一幅低维颜色直方图，而且实现简单，从而实现对连续输入的图像进行统计，输出不同图像分别对应的低维颜色直方图。由于与其他的视觉特征相比，颜色特征对图像本身的尺寸、方向、视觉的依赖性较小，从而具有较高的鲁棒性。并且，通过使用维度变换，减少了数据量，可以提高一帧图片的处理速度，通过归一化的处理，易于后续分析处理。通过对第二维数的颜色直方图进行量化，将每一维对应的统计结果量化到归一范围内，能够很好地保留原有关键信息，因为这相当于选取了那些数值较大(在图片中出现次数较多)的颜色来表述图像特征。因为这些颜色已经能够表达图像中大部分的颜色，而且这样并不会降低颜色直方图的检索效果。实际上，由于忽略了那些数值较小(出现次数较少)的颜色，颜色直方图对噪声的敏感程度降低了，反而可能使检索效果提升。

另外，通过读取当前颜色结构的第一列的8个点和当前颜色结构之后一列的8个点来进行颜色结构统计窗口的平移，实现对新一个颜色结构的统计，实现了只需读取16个点即可完成新的颜色结构8x8个点的统计，减少了发出读请求的数量。充分利用了当前颜色结构的统计结果：读取当前颜色结构第一列的8个点并对其进行处理，是为了消除这8个点出现的颜色量化值对当前颜色结构统计结果的影响。之后只需读入当前颜色结构之后一列的8个点并对其进行统计处理，就能完成对新的颜色结构的统计，这减少了统计新的颜色结构时需发出的读请求和处理时间。

另外，使用先行后列的顺序读取存储器内所含的第一个颜色结构。可以在读取行数不变的情况下可以按列数依次加1的方式读取同一行的8个点，在一行的8个点读取完毕后只需在行首地址上加上行间距即可切换地址对下一行数据进行读取，方便了读地址的生成。

另外，所述维数转换对应关系存储在存储器中；所述转换前的维数为地址，所述转换后的维数为所述存储有维数转换对应关系的存储器中，相应地址的数据，可以简化实现维数对应关系的逻辑复杂度，减少硬件资源消耗。

另外，在步骤C中，获取第二维数的颜色直方图(如64维颜色直方图)中各维数在不同颜色结构中出现次数的统计结果；对所述各维数对应的统计结果按照非线性量化规则进行量化，将不同维数对应的统计结果由[0，norm]范围归一化到[0，255]范围内，直到64维直方图对应的统计结果量化完成。通过将维数转换后的64维直方图进行归一化处理，即通过非线性量化手段将不同维数对应的统计结果由[0，norm]范围归一化到[0，255]范围内，可使外部系统计算更为方便。

另外，在步骤D中，输出的各维颜色在不同颜色结构中出现次数的统计结果为8比特。每次向fifo(输入输出模块)写入的各维数对应的归一化后的统计结果为8bit，而外部系统读出时读一次的读出结果是8个连续维数对应的归一化统计结果组合而成的64bit数据。这样的处理不仅使得本实施方式的输出结果得到了缓存，还方便了后续的64维颜色直方图归一化后统计结果的传输。

附图说明

图1是根据本发明第一实施方式的静态图片的颜色直方图的构建方法；

图2是根据本发明第一实施方式中的利用滑动窗口的方式对存储器中8行数据进行统计处理的原理图；

图3是根据本发明第一实施方式中的维数转换原理示意图；

图4是根据本发明第一实施方式中的对64维颜色直方图进行量化的原理示意图；

图5是根据本发明第一实施方式中的外部系统通过读请求控制模块读取64维颜色直方图量化结果的示意图；

图6是根据本发明第二实施方式的静态图片的颜色直方图的构建系统结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请各权利要求所要求保护的技术方案。

本发明的第一实施方式涉及一种静态图片的颜色直方图的构建方法。在本实施方式中，通过对应用外部提供的基于HMMD颜色空间(Hue Max Min Difference，主要由Hue(颜色饱和度)、Sum(亮度)和Diff(颜色饱和度)三个分量来表示)的图片信息进行统计，得到输入的各幅图片所对应的颜色直方图，将其输出供外部系统使用。由于与其他的视觉特征相比，颜色特征对图像本身的尺寸、方向、视觉的依赖性较小，从而具有较高的鲁棒性。利用本实施方式的静态图片的颜色直方图的构建方法，可以利用通用硬件实现构建静态图片的颜色结构特征对应的颜色直方图。可以应用在基于内容检索技术的图像检索中，颜色直方图可以用来区别那些具有相似的颜色直方图，但具有不同颜色空间分布的图像。

具体流程如图1所示，在步骤101中，统计输入图片的第一维数的颜色直方图。在本实施方式中，以第一维数为256维，即第一维数的颜色直方图为256维颜色直方图为例进行说明。具体地说，本步骤包含以下子步骤：

(1)按行从外部接收经颜色空间量化的图片的量化值(即按行从外部接收经过基于HMMD颜色空间量化的图片的量化值)，读取8行数据后暂停从外部接收数据，并将读取的8行图片的量化值存储至存储器中，等待模块将存储器中8行数据处理完成。

(2)从存储器中读取当前存储的8行量化值的前8列数据，成为一个8x8的颜色结构，在读取量化值的同时对当前颜色结构中出现的量化值进行统计。比如说，使用先行后列的顺序读取存储器内所含的第一个颜色结构。

(3)从所述存储器中依次读取当前颜色结构的第一列的8个量化值和颜色结构之后一列的8个量化值，同时对这16个量化值进行统计形成对新的颜色结构的量化值统计。

(4)重复步骤(3)直至存储器中8行数据的最后一列的量化值被统计完成。

(5)恢复外部的数据接收，接收所述经颜色空间量化的图片的下一行的量化值，并将接收到的一行量化值存储在所述存储器中第n行数据对应的位置；所述n的初始值为1。

(6)将n的取值更新为n+1。

(7)重复步骤(2)至步骤(6)，直至一帧图片对应的量化值均已统计完成。

也就是说，如图2所示，利用滑动窗口的方式依次统计存储器中8行数据中所有的颜色结构(即图片中图像点组成的正方形结构，进行颜色结构特征统计的基本单位，在本实施方式中正方形结构的边长是8)；在利用滑动窗口的方式对相邻的颜色结构进行统计时，本实施方式采用只需读取并处理16个图像点的数据即可完成一个颜色结构8x8个点的统计处理方法，与按顺序依次读取颜色结构包含的64个图像点对应数据的方法相比，减少了1/4的读请求发送量和处理时间，有效地提升了模块对图像进行统计处理的效率。统计完成后从再次从外部接收1行数据将存储器中第一行数据更新，对更新后的存储器再次进行颜色结构的量化值统计，统计完成后从再次从外部接收1行数据将存储器中第二行数据更新，并对更新后的存储器再次进行颜色结构的量化值统计，以此类推，直到一幅图片中所有数据均被读入且存储器内8行数据统计完成，此时代表一帧图片对应的256维颜色直方图统计完成。

需要说明的是，在本步骤中，使用先行后列的顺序读取存储器内所含的第一个颜色结构。可以在读取行数不变的情况下可以按列数依次加1的方式读取同一行的8个点，在一行的8个点读取完毕后只需在行首地址上加上行间距即可切换地址对下一行数据进行读取，方便了读地址的生成。

接着，在步骤102中，将统计得到的第一维数的颜色直方图进行维数转换，得到第二维数的颜色直方图，第一维数大于第二维数。在本实施方式中，以第二维数的颜色直方图为64维颜色直方图为例进行说明，即对256维颜色直方图进行维数转换，得到64维颜色直方图。即从256维颜色直方图中读取256维颜色在不同颜色结构中出现次数的统计结果，然后，根据预设的维数转换对应关系将256维颜色在不同颜色结构中出现次数的统计结果，转换成64维颜色在不同颜色结构中出现次数的统计结果，得到64维颜色直方图。在本实施方式中，维数转换对应关系存储在存储器中；转换前的维数为地址，转换后的维数为存储有维数转换对应关系的存储器中，相应地址的数据，以简化实现维数对应关系的逻辑复杂度，减少硬件资源消耗。

具体地说，如图3所示，在检测到一帧图片的颜色量化值对应的256维颜色直方图统计完成后，从存放256维颜色直方图统计结果的SRAM(静态随机存取存储器)中依次读取颜色量化值为[0,255]的256种颜色在不同颜色结构中出现次数的统计结果。

接着，将读取出的各维数的统计结果按照维数转换对应关系放进转换后维数为地址对应的SRAM中，如果检测到SRAM中当前地址对应的存储器中数值不为0，将该数值读出后与当前读取出的统计结果相加后，判决相加的和是否大于一帧图片中所有颜色结构的个数，如果大于，则将所有颜色结构的个数写到相应地址中，若果不大于，则将相加结果写到相应地址中。重复本步骤直至256个颜色量化值对应的统计结果读取完毕且转换完成。

接着，在步骤103中，对64维颜色直方图进行量化，将每一维对应的统计结果量化到归一范围内。在本步骤中，需要获取64维颜色直方图中各维数在不同颜色结构中出现次数的统计结果，然后，对各维数对应的统计结果按照非线性量化规则进行量化，将不同维数对应的统计结果由[0，norm]范围归一化到[0，255]范围内，直到64维直方图对应的统计结果量化完成，其中，norm为一帧图片中所有颜色结构的个数，即norm＝(pic_width-7)*(pic_height-7)，pic_width为图片宽度方向上的行数，pic_height为图片高度方向上的行数。

具体地说，首先，读取出的各维数对应的统计结果依次执行步骤(a)到(d)：

(a)根据事先划定的0-norm以及对应的[0,255]范围内的各阶段阈值，判断读出的维数的统计结果val位于哪一阶段范围内。

(b)根据判断出的val位于哪个阶段的结果，读出val在[0,norm]范围内当前所在阶段前后的两个阈值pre_thresh和next_thresh，其中，pre_thresh为当前所在阶段的前阈值，next_thresh为当前所在阶段的后阈值。

(c)根据判断出的val位于哪个阶段的结果，读出val在[0,255]范围内当前所在阶段前后的两个阈值sum_pre和sum_next，其中，sum_pre为在[0,255]范围内当前所在阶段的前阈值，sum_nexth为在[0,255]范围内当前所在阶段的后阈值(如图4所示)。

(d)对读出的统计结果以及得到的各个阈值，按如下公式进行运算：Result＝sum_pre+((val-pre_thresh)*(sum_next-sum_pre)/(next_thresh-pre_thresh))，从而得出各维数对应统计结果的量化值。

其次，将经过非线性量化的64维颜色直方图的统计结果按次序写入fifo中，等待外部系统读取参与其他处理。在本实施方式中，通过将维数转换后的64维直方图进行归一化处理，即通过非线性量化手段将不同维数对应的统计结果由[0，norm]范围归一化到[0，255]范围内，可使外部系统计算更为方便。而且，将经过维数转换后的64维直方图中各维数对应的统计结果进行非线性量化，相当于选取了那些数值较大(在图片中出现次数较多)的颜色来表述图像特征。因为这些颜色已经能够表达图像中大部分的颜色，而且这样并不会降低颜色直方图的检索效果。实际上，由于忽略了那些数值较小(出现次数较少)的颜色，颜色直方图对噪声的敏感程度降低了，反而可能使检索效果提升。

接着，在步骤104中，输出经量化后的64维颜色直方图。比如说，若存放64维颜色直方图量化结果的fifo不为空，外部系统可以通过读请求控制模块发出读请求，按维数次序依次从fifo中读出64维颜色直方图量化结果，如图5所示。

需要说明的，在本步骤中，输出的各维颜色在不同颜色结构中出现次数的统计结果为8比特。由于每次向fifo(输入输出模块)写入的各维数对应的归一化后的统计结果为8bit，而外部系统读出时读一次的读出结果是8个连续维数对应的归一化统计结果组合而成的64bit数据。这样的处理不仅使得本实施方式的输出结果得到了缓存，还方便了后续的64维颜色直方图归一化后统计结果的传输。

不难发现，在本实施方式中，使用了通用设计，根据外界配置的图像相关信息对输入的基于HMMD颜色空间的图像颜色量化值进行统计及后续处理，得到与当前输入图像唯一对应的一幅64维颜色直方图。

值得一提的是，本实施方式可通过FPGA/或者ASIC硬件来实现的，在实现过程中，硬件使用了选择器、反相器、触发器、异或门、同或门、加法器、SRAM和ROM等FPGA内部资源。采用本实施方式的对静态图片的颜色直方图的构建方法，即使图像经过以观察轴为轴心的旋转以及幅度不大的平移和缩放等几何变换，或者图像质量有了一定的变化，最终的颜色直方图结果也不会有太大的波动。以此特性来用于来描述那些难以进行自动分割的图像和不需要考虑物体空间位置的图像。

上述方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包含相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

本发明的第二实施方式涉及一种静态图片的颜色直方图的构建系统，如图6所示，包含：

颜色量化值统计模块，用于统计输入图片的第一维数的颜色直方图；

维数转换模块，用于将所述统计得到的第一维数的颜色直方图进行维数转换，得到第二维数的颜色直方图；其中，所述第一维数大于所述第二维数，如第一维数的颜色直方图为256维颜色直方图，第二维数的颜色直方图为64维颜色直方图。

统计结果量化模块，用于对所述第二维数的颜色直方图进行量化，将每一维对应的统计结果量化到归一范围内；

输出模块，用于输出经所述量化后的第二维数的颜色直方图。

其中，维数转换模块包含以下子模块：

统计结果获取子模块，用于从所述第一维数的颜色直方图中读取第一维数颜色在不同颜色结构中出现次数的统计结果；

转换子模块，用于根据预设的维数转换对应关系将第一维数颜色在不同颜色结构中出现次数的统计结果，转换成第二维数颜色在不同颜色结构中出现次数的统计结果，得到所述第二维数的颜色直方图。

所述维数转换对应关系存储在存储器中；所述转换子模块以所述转换前的维数为地址，从所述存储有维数转换对应关系的存储器中，读取存储在该地址内的数据，将读取到的该地址内的数据，作为所述转换后的维数。

不难发现，本实施方式为与第一实施方式相对应的系统实施例，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。

值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (9)

1.一种静态图片的颜色直方图的构建方法，其特征在于，包含以下步骤：

A、统计输入图片的第一维数的颜色直方图；

B、将所述统计得到的第一维数的颜色直方图进行维数转换，得到第二维数的颜色直方图；其中，所述第一维数大于所述第二维数；

C、对所述第二维数的颜色直方图进行量化，将每一维对应的统计结果量化到归一范围内；

D、输出经所述量化后的第二维数的颜色直方图；

其中，所述步骤A包含以下子步骤：

A1、按行从外部接收经颜色空间量化的图片的量化值，读取8行数据后暂停从外部接收数据，并将读取的8行图片的量化值存储至存储器中；

A2、从所述存储器中读取当前存储的8行量化值的前8列数据，成为一个8x8的颜色结构，在读取量化值的同时对当前颜色结构中出现的量化值进行统计；

A3、从所述存储器中依次读取当前颜色结构的第一列的8个量化值和当前颜色结构的第一列之后一列的8个量化值，同时对这16个量化值进行统计形成对新的颜色结构的量化值统计；

A4、重复所述步骤A3直至所述存储器中8行数据的最后一列的量化值被统计完成；

A5、恢复外部的数据接收，接收所述经颜色空间量化的图片的下一行的量化值，并将接收到的一行量化值存储在所述存储器中第n行数据对应的位置；所述n的初始值为1；

A6、将n的取值更新为n+1；

A7、重复所述A2至A6，直至一帧图片对应的量化值均已统计完成。

2.根据权利要求1所述的静态图片的颜色直方图的构建方法，其特征在于，在所述步骤A2中，使用先行后列的顺序读取存储器内所含的第一个颜色结构。

3.根据权利要求1所述的静态图片的颜色直方图的构建方法，其特征在于，所述步骤B包含以下子步骤：

从所述第一维数的颜色直方图中读取第一维数颜色在不同颜色结构中出现次数的统计结果；

根据预设的维数转换对应关系将第一维数颜色在不同颜色结构中出现次数的统计结果，转换成第二维数颜色在不同颜色结构中出现次数的统计结果，得到所述第二维数的颜色直方图。

4.根据权利要求3所述的静态图片的颜色直方图的构建方法，其特征在于，所述维数转换对应关系存储在存储器中；所述转换前的维数为地址，所述转换后的维数为所述存储有维数转换对应关系的存储器中，相应地址的数据。

5.根据权利要求1所述的静态图片的颜色直方图的构建方法，其特征在于，所述步骤C包含以下子步骤：

获取所述第二维数的颜色直方图中各维数在不同颜色结构中出现次数的统计结果；

对所述各维数对应的统计结果按照非线性量化规则进行量化，将不同维数对应的统计结果由[0，norm]范围归一化到[0，255]范围内，直到第二维数的颜色直方图对应的统计结果量化完成；

其中，所述norm为一帧图片中所有颜色结构的个数。

6.根据权利要求1所述的静态图片的颜色直方图的构建方法，其特征在于，在所述步骤D中，输出的各维颜色在不同颜色结构中出现次数的统计结果为8比特。

7.根据权利要求1至6中任一项所述的静态图片的颜色直方图的构建方法，其特征在于，

所述第一维数的颜色直方图为256维颜色直方图，所述第二维数的颜色直方图为64维颜色直方图。

8.一种静态图片的颜色直方图的构建系统，其特征在于，包含：

颜色量化值统计模块，用于统计输入图片的第一维数的颜色直方图；

维数转换模块，用于将所述统计得到的第一维数的颜色直方图进行维数转换，得到第二维数的颜色直方图；其中，所述第一维数大于所述第二维数；

统计结果量化模块，用于对所述第二维数的颜色直方图进行量化，将每一维对应的统计结果量化到归一范围内；

输出模块，用于输出经所述量化后的第二维数的颜色直方图；

所述颜色量化值统计模块具体用于执行以下步骤：

A1、按行从外部接收经颜色空间量化的图片的量化值，读取8行数据后暂停从外部接收数据，并将读取的8行图片的量化值存储至存储器中；

A2、从所述存储器中读取当前存储的8行量化值的前8列数据，成为一个8x8的颜色结构，在读取量化值的同时对当前颜色结构中出现的量化值进行统计；

A3、从所述存储器中依次读取当前颜色结构的第一列的8个量化值和当前颜色结构的第一列之后一列的8个量化值，同时对这16个量化值进行统计形成对新的颜色结构的量化值统计；

A4、重复所述步骤A3直至所述存储器中8行数据的最后一列的量化值被统计完成；

A5、恢复外部的数据接收，接收所述经颜色空间量化的图片的下一行的量化值，并将接收到的一行量化值存储在所述存储器中第n行数据对应的位置；所述n的初始值为1；

A6、将n的取值更新为n+1；

A7、重复所述A2至A6，直至一帧图片对应的量化值均已统计完成。

9.根据权利要求8所述的静态图片的颜色直方图的构建系统，其特征在于，所述维数转换模块包含以下子模块：

统计结果获取子模块，用于从所述第一维数的颜色直方图中读取第一维数颜色在不同颜色结构中出现次数的统计结果；

转换子模块，用于根据预设的维数转换对应关系将第一维数颜色在不同颜色结构中出现次数的统计结果，转换成第二维数颜色在不同颜色结构中出现次数的统计结果，得到所述第二维数的颜色直方图。