几种纹理分析算法讲解.pptVIP

根据上述定义，所构成的灰度共生矩阵的第 i 行、第 j 列元素，表示图像上所有在θ方向、相隔为δ，一个为灰度i值,另一个为灰度j值的像素点对出现的频率。这里θ取值一般为0度、45度、90度和135度。很明显， 若Δx＝1，Δy＝0，则θ＝0度； Δx＝1，Δy＝-1，则θ＝ 45度； Δx＝0，Δy＝-1，则θ= 90度； Δx=-1，Δy=-1，则θ= 135度。 δ的取值与图像有关，一般根据试验确定P。 像素组合统计表 像素组合方式 * 纹理分析 提到纹理，人们自然会立刻想到木制家俱上的木纹、花布上的花纹等。木纹为天然纹理，花纹为人工纹理，它们反映了物体表面颜色和灰度的某种变化。这些变化与物体本身的属性相关。 ? 有些图像在局部区域内呈现不规则性，而在整体上表现出某种规律性。习惯上，把这种局部不规则而宏观有规律的特性称之为纹理；以纹理特性为主导的图像，常称为纹理图像；以纹理特性为主导特性的区域，常称为纹理区域。纹理作为一种区域特性，在图像的一定区域上才能反映或测量出来。 为了定量描述纹理,多年来人们建立了许多纹理算法以测量纹理特性.这些方法大体可以分为两大类：统计分析法和结构分析法。前者从图像有关属性的统计分析出发；后者则着力找出纹理基元，然后从结构组成上探索纹理的规律。也有直接去探求纹理构成的结构规律的。? 下面论述纹理特征提取与分析的几种方法。 ? 纹理区域的灰度直方图作为纹理特征，简明总结了图像中的统计信息。为了研究灰度直方图的相似性，可以提取诸如均值、方差、能量以及熵等特征来描述纹理。如果用p(i),i=1,2,…,G,来表示图像的一阶直方图，则相关的纹理特征有： 一.影像纹理的直方图分析法 ? ? 如果限定对象，则采用这样简单的方法也能够识别纹理。但是灰度直方图不能得到纹理的二维灰度变化，即使作为一般性的纹理识别法，其能力是很低的。例如下图两种纹理具有相同的直方图，只靠直方图就不能区别这两种纹理。 ? 以下是提取不同纹理测度特征值所获得的纹理影像： 原图： 方差： ? 能量： 熵： 二.自相关函数分析法 ? 若有一幅图像f(i,j),i,j=0,1,…,N-1,则该图像的自相关函数定义为 ? 自相关函数具有如下规律： 1.不同的纹理图像，ρ（x,y）随d变化的规律是不同的。 1）当纹理较粗时， ρ（d）随d的增加下降速度较慢； 2）当纹理较细时， ρ（d）随d的增加下降速度较快。 2.随着d继续增加， ρ（d）则会呈现某种周期性的变化，其周期大小可描述纹理基元分布的疏密程度。 ? 以下是不同图像的自相关函数曲线示例： ? D7的纹理比较粗糙，曲线的下降速度较慢；D20的纹理比较细致，曲线的下降速度较快。 ? 自相关系数的变化趋势反映了纹理的粗细程度，然而，对于同样粗糙（细致）但完全不同的两种纹理，它们的自相关系数很可能比较相近，很难将这两种纹理区分开来。 ? 以下是取x=3,y=0时计算特征值所获得的纹理影像： 原图： x=3,y=0 ： 三.边界频率分析法 ? 与自相关函数方法中用空间频率来区分纹理的粗细不同，边界频率认为纹理可以用每单位面积内边界来区分纹理。粗糙的纹理由于局部邻域内的灰度相似，并没有太大变化，因而每单位面积内的边界数会较小；细致的纹理由于局部邻域内的灰度变化较快，所以每单位面积内的边界数会较大。 对于一个定义在邻域N内的一幅纹理图像f和每一个距离d，边界频率可以计算出一个依赖于距离d的纹理描述函数E： ? 以下是不同图像的边界频率曲线示例： ? D2的纹理比较粗糙，边界频率较低；D21的纹理比较细致，边界频率较高。 ? 由于边界频率分析法只反映了纹理的粗细，因此其缺点和自相关函数法是一样的，即：对于同样粗糙（细致）但完全不同的两种纹理，它们的边界频率很可能比较相近，很难将这两种纹理区分开来。 ? 以下是d取1、2时计算特征值(E(2)-E(1))所获得的纹理影像： 原图： d=1,2： 四.小波分析法 ? 小波变化是一种时间—频率局部化分析方法，具有多分辨率分析的特点，而且在时域和频域都具有表征信号局部特征的能力。离散小波变换对信号不同的频率成分在时域上的抽样间隔是可调的，高频者小，低频者大，所以，它能将信号分解成交织在一起的多种成分，以便分析、处理。 小波变换的基本思想是用一族函数去表示或逼近