1002纹理描述数字图像处理.pdf

1、数字图像处理Digital Image Processing210.2 纹理描述3纹理（Texture）对纹理很难下一个确切的定义类似于布纹、草地、砖砌地面等重复性结构称为纹理纹理图像 在局部区域内可能呈现不规则性 但整体上则表现出一定的规律性 其灰度分布往往表现出某种周期性纹理图像所表现出的这种特有的性质称为纹理 实际中很多图像具有纹理型结构 对这类纹理图像可以通过纹理分析提取其宏观特征信息。4概述（Introduction）平滑纹理粗糙纹理规则纹理5典型的人工纹理典型的自然纹理纹理可分为人工纹理和天然纹理（自然纹理）人工纹理往往是有规则的，而自然纹理往往是无规则的。纹理（Texture）6

2、纹理特征（Texture Feature）与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。在图像模式识别的模式匹配时，此类区域性的特征具有一定的优势，可以避免由于局部的偏差造成匹配失败。作为一种统计特征，纹理特征一般具有旋转不变性，并且对于噪声有较强的抵抗能力。常用的纹理特征表示方法有以下几种：（1）统计法（2）模型法（3）几何法（4）频谱法710.3.1 自相关函数（Autocorrelation Fuction）设图像为f(m，n)，自相关函数定义为?,?,?,?,?,?,?是对（2w+1）（2w+1）窗口内 每一点像素（j，k）与偏离值为，=0，

3、1，2，T的像素之间的相关值作计算 图像纹理结构的粗糙性与局部结构的空间重复周期有关 周期大的纹理粗糙，周期小的纹理细致 空间自相关函数可以用于度量图像纹理结构的粗糙性 例10.3 给出了自相关函数的Matlab实现810.3.2 灰度差分统计（Statistics of Intensity Difference）对于给定的图像f（i，j）和取定的较小的整数m、n，求差分图像：g(i,j)=f(i,j)-f(i+m,j+n)然后求出差分图像的已归一化的灰度直方图hg(k)当取较小差值k的频率hg(k)较大时，说明纹理较粗糙 直方图较平坦时，说明纹理较细致9?（1）平均值（2）对比度（4）熵当直

4、方图分布较平坦时，A2较小，A3较大；当hg(k)在原点附近集中分布时，A1较小，反之则A1较大。灰度差分描述一纹理特征?（3）角度方向二阶矩10.3.2 灰度差分统计（Statistics of Intensity Difference）1010.3.2 灰度差分统计（Statistics of Intensity Difference）例10.4 计算如图10.2所示两幅纹理图像的灰度差分统计特征。图10.2 两幅纹理图像（a）纹理图像1（b）纹理图像21110.3.2 灰度差分统计（Statistics of Intensity Difference）I=imread(i_texture

5、1.bmp);A=double(I);m,n=size(A);B=A;C=zeros(m,n);for i=1:m-1for j=1:n-1B(i,j)=A(i+1,j+1);C(i,j)=abs(round(A(i,j)-B(i,j);endendh=imhist(mat2gray(C)/(m*n);MEAN=0;CON=0;ASM=0;ANT=0;for i=1:256MEAN=MEAN+(i*h(i);CON=CON+i*i*h(i);ASM=ASM+h(i)*h(i);if(h(i)0)ENT=ENT-h(i)*log2(h(i);endendMEAN,CON,ASM,ENT MATL

6、AB实现的主要程序如下：本例中，取 i=j=1。第一幅图像的纹理特征为：MEAN=0.086 6，CON=1.364 8e+003，ASM=0.417，ENT=5.460 6。第二幅图像的纹理特征为：MEAN=0.123 5，CON=1.723 9e+003，ASM=0.0362，ENT=5.378 9。1210.3.3 灰度共生矩阵（Gray-Level Co-occurrence Matrix）灰度共生矩阵定义对于取定的方向 和距离d，在方向为 的直线上，一个像素灰度为i，另一个与其相距为d 的像素的灰度为j的点对出现的频数作为这个矩阵的第（i，j）元素的值。对于一系列不同的d、，就有一系

7、列不同的灰度共生矩阵。由于计算量的原因，一般d 只取少数几个值，而 取 00、450、900、1350。研究发现，d 值取得较小时可以提供较好的特征描述和分析结果。1310.3.3 灰度共生矩阵（Gray-Level Co-occurrence Matrix）灰度图像共生矩阵计算的MATLAB程序实现见教材P256。【例10.5】一幅55灰度图像，其灰度矩阵是计算它在d=1，分别为0、45、90、135的共生矩阵。解：在d=1，分别取0、45、90、135等四个方向时，由于图像I具有三个灰度级（0,1,2），则I在这四个方向上的共生矩阵都是3*3矩阵，它们分别是（本例中0 与180、45 与2

8、25、90 与270、135与315 不予区分）：?1410.3.3 灰度共生矩阵（Gray-Level Co-occurrence Matrix）?,?共生矩阵二次统计量作为纹理分析的特征量，一般不是直接应用计算的灰度共生矩阵，而是在灰度共生矩阵的基础上再提取纹理特征量，称为二次统计量。二次统计量主要有能量、对比度、熵、均匀度、相关等。设在给定d、参数下的共生矩阵的元素已归一化成为频率，并记为P（i，j）（1）能量粗纹理N1较大，细纹理N1较小。（2）对比度?,?粗纹理N2较小，细纹理N2较大。1510.3.3 灰度共生矩阵（Gray-Level Co-occurrence Matrix）?,?,?,?（3）熵粗纹理N3较小，细纹理N3较大。（4）均匀度?,?,?,?粗纹理N4较大，细纹理N4较小。（5）相关其中?,?二次统计量计算Matlab程序实现见教材?,?谢 谢T H A N KY O U