امروزه تعداد زیادی تصویر تولید می­گردند که برای دسته­بندی آن­ها نیازمند ابزار قدرتمندی می­باشیم. در اینجا هدف یافتن جسم خاص از بین تعداد زیادی تصویر می­باشد. قالب (Shape) یکی از مهمترین ویژگی­ها برای توصیف محتویات یک تصویر می­باشد. از این رو بیان قالب تصویر و همچنین توصیف آن کاری دشوار می­باشد. وقتی که از دنیای واقعی که به صورت سه بعدی است به دنیای تصویر که دو بعدی است می­رویم، در واقع یک بعد از فضای سه بعدی کم می­شود و اطلاعات آن از بین می­رود، بنابراین استخراج قالب در این گونه از تصاویر، به صورت جزئی جسم تصویر شده را بیان می­کند. برای به دست آوردن اطلاعات مرزی در مورد قالب شی، ویژگی­های متنوعی پیشنهاد شدند که عبارتند از : هیستوگرام قالب (Signature histogram)، اثر قالب، ثابت­های قالب­، گشتاورها، منحنی­ها، محتویات قالب، ویژگی­های طیفی و غیره. به هر حال این روش­ها به تنهایی برای ارزیابی میزان تاثیرپذیری قالب­ها کافی نمی­باشند. چون این ویژگی­ها می­توانند برخی از ویژگی­های دیگری را که به خوبی می­توانند بین قالب­ها تفکیک­پذیری ایجاد کند را رد می­کنند. 

دقت بازیابی خوب محتاج به توصیفگرهای مناسبی است که بتوانند به خوبی قالب­های مشابهی که در پایگاه داده وجود دارد را بیان کند. معمولاً توصیفگری خوب می­باشد که بتواند ویژگی­هایی از قبیل چرخش، تغییر مقیاس، انتقال و تبدیل افین را به خوبی پوشش دهد. همچنین این توصیفگرها باید قادر به یافتن قالب­های نویزی، قالب­هایی که بخشی از آن از بین رفته و در تصویر موجود نمی­باشد و قالب­های معیوب را شناسایی کند. توصیفگر قالب باید بتواند نیازهای زیر را بر آورده کند:

·         یک توصیفگر باید کامل باشد تا بتواند محتویات مربوط به شئ را به خوبی بیان کند.

·         توصیفگر بیان شده باید به صورت کامل ذخیره شود و همچنین سایز آن نباید بیش از اندازه بزرگ باشد.

·         محاسبۀ فاصلۀ بین توصیفگرها باید حدالامکان ساده باشد در غیر این صورت زمان اجرای آن طولانی خواهد شد.

ویژگی­های فشردۀ قالب­ها سبب می­گردد که بتوان عملیات بازسازی قالب را به صورت برخط انجام داد. اگر توصیفگرهای قالب به صورت سلسله مراتبی بازیابی گردند، آن­گاه می­توان به سطح بالایی از بازیابی رسید و کارایی آن نیز مناسب می­باشد. زیرا قالب­ها می­توانند در سطوح پایین­تر، با حذف اولیۀ قالب­هایی که شباهت کمی دارند به خوبی تطبیق یابند. معمولاً توصیفگرهای قالب باید مستقل از کاربرد طراحی گردند تا بتوانند در شرایط ویژه به درستی عمل نمایند.

ویژگی­های یک قالب خوب عبارتند از :

·         قابل تعریف کردن باشد: تعریف درست به معنی این می­­باشد که قالب­ها قابل فهم برای همگان باشد و بتوان آن را با ویژگی­های مختلف بیان کرد.

·         چرخش، انتقال و تغییر مقیاس: تغییرات چرخش، انتقال و تغییر مقیاس نباید تاثیر چندانی بر روی قالب­ها داشته باشند.

·         تغییرناپذیری نسبت به افین: تبدیل افین، نوعی نگاشت خطی از یک فضای دو بعدی به فضای دو بعدی دیگری است که نسبت و موازی بودن خطوط حفظ می­گردد. ویژگی­های استخراج شده از یک قالب باید حدالامکان نسبت به تغییرات افین مقاوم باشند.

·         مقاومت در برابر نویز: ویژگی­ها باید در برابر نویز مقاوم باشند

·         تغییرناپذیری در برابر اختفای قسمت­هایی از قالب: زمانی که بخشی از یک قالب توسط اشیا یا اجسام دیگری پوشانده می­شود، بخش­های باقی­مانده باید قابلیت این را داشته باشند که بتوانند کلیات قالب را بیان کنند.

·         استقلال آماری: دو ویزگی باید دارای استقلال آماری باشند تا بتوانند بیشترین تمایز را در رابطه با قالب­ها ایجاد کنند.

·         پایداری: ویژگی­های استخراج شده باید در برابر تغییرات پایداری داشته باشد.

 استخراج ویژگی­های قالب و بیان آن نقش مهمی را در حوزه­های زیر ایفا می­کند.

Ø      بازیابی قالب­ها: از بین تمام قالب­های موجود در پایگاه داده، باید شبیه­ترین قالب را به قالب مورد جستجو پیدا کرد. معمولاً تمام قالب­هایی که کمترین فاصله را نسبت به قالب مورد جستجو دارند انتخاب می­شوند.

Ø      شناسایی و طبقه­بندی قالب­ها: یعنی اینکه مشخص شود که آیا قالب داده شده با مدل از پیش تعیین شده مطابقت دارد یا اینکه کدام کلاس بیشترین شباهت را نسبت به قالب مورد نظر دارد.

Ø      علامت­گذاری و ثبت کردن قالب­ها: تبدیل و تغییر شکل یک قالب تا اینکه بیشترین تطبیق را با قالب­های دیگر داشته باشد.

Ø      تقریب و مختصرسازی قالب­ها: بازسازی قالب با تعداد کمتری از عناصر (نقاط، بخش­ها و مثلث­ها)، به طوریکه بیشترین شباهت را نسبت به قالب اولیه داشته باشد.