【2017年整理】数字图像处理10.ppt

数字图像处理;第10章 图像表示与描述（Image Representation and Description）; 颜色特征是图像的基本特征之一。颜色特征是图像检索识别中应用最为广泛的视觉特征，与其他视觉特征相比，它对图像的尺寸、方向、视角的依赖性较弱，因此具有较高的稳定性。这一节主要讨论反映图像灰度的统计特征。 ;10.1.1 简单灰度特征（Intensity Feature）;10.1.2 直方图特征（Histogram Feature） ; ;10.2 纹理描述（Texture Descriptors）; 纹理的标志有三要素： 一是某种局部的序列性，在该序列更大的区域内不断重复； 二是序列是由基本部分非随机排列组成的； 三是各部分大致都是均匀的统一体，纹理区域内任何地方都有大致相同的尺寸结构。; 纹理图像在很大范围内没有重大细节变化，在这些区域内图像往往显示出重复性结构。纹理可分为人工纹理和天然纹理。人工纹理是由自然背景上的符号排列组成，这些符号可以是线条、点、字母、数字等。自然纹理是具有重复排列现象的自然景象，如砖墙、种子、森林、草地之类的照片。人工纹理往往是有规则的，而自然纹理往往是无规则的。; 归纳起来，对纹理有两种看法，一是凭人们的直观印象，二是凭图像本身的结构。从直观印象出发包含有心理学因素，这样就会产生多种不同的统计纹理特征。从这一观点出发，纹理特征计算应该采用统计方法。从图像结构观点出发，则认为纹理是结构，根据这一观点，纹理特征计算应该采用句法结构方法。 ;10.2.1 自相关函数描述（Autocorrelation Function） ;自相关函数的扩展的一种测度是二阶矩，即;10.2.2 灰度差分统计（Statistics of Intensity Difference） ;（1）平均值 ;10.2.3 灰度共生矩阵（Gray-Level Co-occurrence Matrix） ; 由于纹理反映了灰度分布的重复性，人们自然要考虑图像中点对之间的灰度关系。灰度共生矩阵定义为：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 、 、 、 。研究文献发现，d值取得较小时可以提供较好的特征描述和分析结果。; 共生矩阵能够反映图像纹理的主要特征。对于较平坦的区域，粗纹理区域，相距较近的像素一般具有相近的灰度，所以当d取得较小时在相应的共生矩阵中，对角线及其附近的元素值较大，细纹理区域其共生矩阵的各元素值是相对均匀的。; 共生矩阵元素值分布特征集中反映在下述参数上。 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）; （2）对比度 粗纹理N2较小，细纹理N2较大。;（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;10.2.4 频谱特征（Spectrum Features） ; 在实际应用中，通常会把频谱转化到极坐标中，用函数S(r, ?)描述，从而简化表达。其中，S是频谱函数，r和?是坐标系中的变量。将这个二元函数通过固定其中一个变量转化成一元函数，如，对每一个方向?，可以把S(r, ?)看成是一个一元函数S?(r)；同样地，对每一个频率r，可用一元函数Sr(?)来表示。; 对给定的方向?，分析其一元函数S?(r)，可以得到频谱在从原点出发的某个放射方向上的行为特征。而对某个给定的频率r，对其一元函数Sr(?)进行分析，将会获取频谱在以原点为中心的圆上的行为特征。;