美颜sdk在进行图像识别、分类等操作时，都需要提取图像特征。图像特征是一幅图像区别于另一幅图像的基本信息，用来识别和标记图像内容。图像特征通常分为两大类：自然特征和人为特征。其中：

自然特征：就是图像内容本身所包含的一些信息，例如：图像的大小、色彩分布、轮廓、边缘梯度、纹理等信息。

人为特征：是后期对图像进行分析和处理，挖掘出来的认定信息。例如：图像的大小、色彩分布、轮廓、边缘梯度、纹理等信息。

一个优良的图像特征应该具备如下属性：

1、良好的区别性：不同类别的图像，相互之间的图像特征应该具有显著的差异，以便于区分和辨别。

2、稳定的可靠性：同类别的图像可能会被简单编辑、伪造或者污染等，良好的图像特征在图像内容发生小规模变化时应该不受影响。

3、特征信息不相关性：各个特征信息之间应该相互独立，彼此不相关。若两个特征值所表征的基本是某一对象的同一属性，则不应该同时使用这两个特征值，以免造成数据亢余，使计算复杂度大大增加。

4、较小数据量：表示图像特征的纹理特征向量维数不应过大，从而减少特征匹配和对比时的运算量。

根据不同的提取方法，图像特征通常又细分为：点线面特征、纹理特征、颜色特征和统计特征等。而美颜sdk中最常用的是颜色特征提取。

颜色特征

1、颜色直方图。单幅图像的灰度直方图、红绿蓝各个通道的直方图都可以作为图像的特征信息。相似的图像总是具有相似的直方图信息。例如：判断两张图像是否相似，我们可以先分别提取他们的灰度直方图，然后对于灰度直方图数据计算256色的欧式空间距离，当欧式空间距离小于指定阈值，则认为图像相似。

2、图像颜色矩。颜色矩是一种简单有效的颜色特征标记方法。一阶矩（均值）、二阶矩（方差）和三阶矩（斜度）等，由于颜色信息主要分布于低阶矩中，所以用一阶矩，二阶矩和三阶矩足以表达图像的颜色分布，颜色矩已证明可有效地表示图像中的颜色分布。

3、颜色聚合向量。 针对颜色直方图和颜色矩无法表达图像色彩的空间位置的缺点，提出了图像的颜色聚合向量。它是颜色直方图的一种演变，其核心思想是将属于直方图每一个bin的像素进行分为两部分：如果该bin内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素；否则作为非聚合像素。由于包含了颜色分布的空间信息，颜色聚合向量相比颜色直方图可以达到更好的检索效果。

以上就是美颜sdk中关于图像特征和其中颜色特征的技术简介，如果你对美颜sdk接入有需求，欢迎咨询官方客服。

声明：本文由美狐原创，未经允许禁止转载，谢谢合作。