数字图像处理第8章.ppt

纹理对我们并不陌生，从多光谱卫星图片到细胞组织的图像都可以看到纹理。 日常生活中常见的砖墙、水磨石地、纺织品及一些自然景物都有明显的纹理特征。 它反映了物体表面颜色和灰度的某种变化，而这些变化又与物体本身属性相关。 包含多个纹理区域的图象 纹理（Texture） 纹理是一种普遍存在的视觉现象，目前对于纹理的精确定义还未形成统一认识，多根据应用需要做出不同定义． 两种较常采用的定义： 定义1 按一定规则对元素（elements）或基元（primitives）进行排列所形成的重复模式. 定义2 如果图像函数的一组局部属性是恒定的，或者是缓变的，或者是近似周期性的，则图象中的对应区域具有恒定的纹理． 纹理 纹理的基本特征 纹理是区域属性，并且与图像分辨率密切相关 自相关函数 自相关函数与Fourier变换存在联系 自相关函数可在频域中计算，而且效率更高. （4）135°方向 2．矩阵特点 （1）归一化 为了分析方便，灰度共生矩阵元素常用概率值来表示， 即将各元素 除以各元素之和S，得到各元素都小于1的归一化值 ，即： （8.3.11） 由此得到的共生矩阵为归一化矩阵，灰度共生矩阵中各元素之和S表示了图像上一定位置关系下像素对的总组合数，对于确定的位置关系 ，像素对总组合数是一个常数。若图像的大小为M×N，当 时，每一行形成的像素对组合数为2×(N-1)，M行的像素对总组合数为S＝2M(N-1)，图8.3.6为上述共生矩阵的归一化表示。 图8.3.6 归一化共生矩阵（ 或0， 或0） （2）对称性 在L×L矩阵中，i=j的元素连成的线称为主对角线，对于在上述常用的4个方向的位置关系下生成的灰度共生矩阵，各元素值必定对称于主对角线，即 ，故称为对称矩阵。共生矩阵中形成对称性是由于在这4种方向的位置关系中，每一种方向实际上都包含了两种对称的位置关系，如0°方向中，包含了 和 两种位置，如果位置关系不是上述情况，则生成的灰度共生矩阵并非一定是对称的。 （3）主对角线元素的作用 灰度共生矩阵中主对角线上的元素是一定位置关系下的两像素同灰度组合出现的次数，由于存在沿纹理方向上相近像素的灰度基本相同，垂直纹理方向上相近像素间有较大灰度差的一般规律，因此，这些主对角线元素的大小有助于判别纹理的方向和粗细，对纹理分析起着重要的作用。如图8.3.5中的两种纹理，纹理A为90°方向，纹理B为45°方向，当采用 或0， 或0的4种方向位置关系生成共生矩阵时，不难发现，沿着纹理方向的共生矩阵如图8.3.6中的 、 中，主对角线元素值很大，而其他元素值全为零，这正说明了沿着纹理方向上没有灰度变化。可见，大的主对角线元素提供了识别纹理方向的可能性。垂直纹理方向如图8.3.6中的 、 ，对于纹理B，主对角线元素全为零，说明在垂直纹理的方向上相邻像素的灰度都不相同。那就是说，灰度变化频繁，纹理较细。相对来说，纹理A较粗，共生矩阵主对角线上的元素不为零，表明了相邻像素的灰度变化缓慢。 图8.2.9 曲率半径 定义单位边界长度的平均能量： （8.2.24） 在面积相同的条件下，圆具有最小边界能量 ，其中R为圆的半径。边界能量更符合人感觉上对边界复杂性的理解。 (3). 圆形性 圆形性（Circularity）C是一个用区域R的所有边界点定义的特征量，即 （8.2.25 ） 式中, μR是从区域重心到边界点的平均距离，δR是从区域重心到边界点的距离均方差： （8.2.26） （8.2.27） 当区域R趋向圆形时，特征量C是单调递增且趋向无穷的，它不受区域平移、旋转和尺度变化的影响，可以推广用于描述三维目标。 (4). 面积与平均距离平方的比值 圆形度的第四个指标利用了从边界上的点到物体内部某点的平均距离d，即 (8.2.28 ) 式中，xi是从具有N个点的物体中的第i个点到与其最近的边界点的距离。相应的形状度量为 (8.2.29) 5 球状性 球状性(Sphericity) S既可以描述二维目标也可以描述三维目标，其定义为 （ 8.2. 30） 在二维情况下，ri代表区域内切圆的半径， 而rc代表区域外接圆的半径，两个圆的圆心都在区域的重心上，如图8.2.10所