数字图像处理第九章.pptVIP

第九章纹理分析讲解内容1.图像纹理的基本概念2.图像纹理的直方图分析法、laws能量分析法、自相关分析法和灰度共生矩阵分析法；目的1.熟悉图像纹理的基本概念和分析方法；2.掌握灰度共生矩阵的概念和常用特征提取方法第九章提到纹理，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。本章将主要论述纹理特征提取与分析的几种方法。9.2影像纹理的直方图分析法??纹理区域的灰度直方图作为纹理特征,为了研究灰度直方图的相似性，可以比较累积灰度直方图分布，计算灰度级的最大偏差或总偏差。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。例如图9.2.1两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。9.3Laws纹理能量测量法Laws的纹理能量测量法是一种典型的一阶分析方法，在纹理分析领域中有一定影响。Laws纹理测量的基本思想是设置两个窗口：一个是微窗口，可为3×3、5×5或7×7，常取5×5用来测量以像元为中心的小区域的灰度的不规则性，以形成属性，称为微窗口滤波；另一个为宏窗口，为15×15或32×32，用来在更大的窗口上求属性的一阶统计量（常为均值和标准偏差），他称之为能量变换。整个纹理分析过程为f(x,y)?微窗口滤波?F(x,y)?能量转换?E(x,y)?分量旋转?C(x,y)?分类?M(x,y)Laws深入研究了滤波模板的选定。首先定义了一维滤波模板，然后通过卷积形成系列一维、二维滤波模板，用于检测和度量纹理的结构信息。他选定的三组一维滤波模板是：L3=[121]灰度（Level）E3=[-101]边缘（Edge）S3=[-12-1]点（Spot）L5=[14641]E5=[-1–2021]S5=[-1020–1]W5=[-120–21]波（Wave）R5=[1–46–41]涟漪(Ripple）L7=[1615201561E7=[-1–4–50541]S7=[-1-2141–2–1]W7=[-1030–301]R7=[1-2–14–1–21]O7=[-16–1520–156–1]振荡Oscillation）1×3的矢量集是构成更大矢量的基础.每一个1×5的矢量可以由两个1×3矢量的卷积产生。1×7的矢量可以由1×3与1×5矢量卷积产生。垂直矢量和水平矢量可生成二维滤波模板。由滤波模板与图像卷积可以检测不同的纹理能量信息。所以，Laws一般选用12—15个5×5的模板。以1×5矢量为基础，卷积同样维数的矢量，可获得25个5×5模板。其中最有用的是5×5的零和模板，即(9.3-1)其中aij是模板中的元素（i,j=1,2,3,4,5）。其中四个有最强性能的模板是：E5S5L5S5E5L5R5R5它们分