边界描述BoundaryDescriptors.ppt

数字图像处理Digital Image Processing 10.1 颜色描述（Color Descriptors） Background: 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 Intensity Feature 图像灰度特征可以在图像的某些特定的像点上或其邻域内测定，也可以在某个区域内测定。以（i，j）为中心的（2M+1）×（2N+1）邻域内的平均灰度为 （10.1） 除了灰度均值外，在有些情况下，还可能用到区域中的灰度最大值、最小值、中值、顺序值及方差等. 10.1.2 Histogram Feature 设图像f的像素总数为N，灰度等级数为L，灰度为k的像素全图共有Nk个，那么 10.1.2 Histogram Feature 10.2 纹理描述（Texture Descriptors） 纹理是图像描述的重要内容，但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。一般来说，纹理是对图像的像素灰度级在空间上的分布模式的描述，反映物品的质地，如粗糙度、光滑性、颗粒度、随机性和规范性等。 10.2 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。 10.2 Texture Descriptors 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。 10.2 Texture Descriptors 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 Autocorrelation Function 设图像为f(m，n)，自相关函数可以定义为 10.2.1 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） 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) (10.9) 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。 10.2.2 Statistics of Intensity Difference 10.2.3 Gray-Level Co-occurrence Matrix 灰度共生矩阵法是描述纹理特征的重要方法之一，它能较精确地反映纹理粗糙程度和重复方向。 10.2.3 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