返回信息流在基于颜色的特征抽取中，用HSV空间，几篇论文中都提到将HSV量化后，用一个一维向量G = HQsQv + SQv +V，请问有什么物理意义，用这个作为相似性度量有什么优势吗？
谢谢。
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #2047同步于 2008/5/14
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
[求助]本科毕设做图像检索
blueskycod
2008/5/14镜像同步5 回复
订阅后，新回复会通过你的通知中心匿名送达。
5 条回复
首先，得到RGB颜色空间，再把其转换成HSV颜色空间。假设RGB(r, g, b)，HSV(h, s, v)利用公式：
其中：r, g, b∈[0,1]，h∈[0,60]，s, v∈[0,1]。
但是考虑到各个分量的取值范围很大，而人眼不可能有那么高的分辨率，因此有必要对HSV空间中的各个分量进行量化后计算直方图，也可以减少计算量，提高效率。把色调H分成8份，饱和度S和亮度V分成3份。并根据色彩的不同范围进行量化，量化后的色度，饱和度和亮度分别为H,S,V。
按照以上量化级，把3个颜色分量合成为一维特征矢量：L=HQsQv+SQv+V。其中，Qs和Qv分别是分量S和V的量化级数这里Qs= 3，Qv=3。因此上式实际上为：L=9H+3S+V，这样，H,S,V 三个分量在一维矢量上分布开来。根据公式，L 的取值范围为[0,1,……,71]，计算L获得72柄(bin)的一维直方图。
来源于http://qkzz.net/magazine/1009-3044/2007/06/837409.htm。因为觉得里面内容说的还算可以就摘下来了，恩~
【 在 tigerdavid 的大作中提到: 】
: 首先，得到RGB颜色空间，再把其转换成HSV颜色空间。假设RGB(r, g, b)，HSV(h, s, v)利用公式：
: 其中：r, g, b∈[0,1]，h∈[0,60]，s, v∈[0,1]。
: 但是考虑到各个分量的取值范围很大，而人眼不可能有那么高的分辨率，因此有必要对HSV空间中的各个分量进行量化后计算直方图，也可以减少计算量，提高效率。把色调H分成8份，饱和度S和亮度V分成3份。并根据色彩的不同范围进行量化，量化后的色度，饱和度和亮度分别为H,S,V。
: ...................
我看的就是这篇文章，关键是我不知道这种方法的依据，答辩的时候老师一问为什么用这个式子，不知道怎么答。