免费的黄色网站粉嫩,在线观看日本免费,2025最新好看电视剧

紋理圖像分析的基本方法簡述

轉帖|使用教程|編輯：我只采一朵|2017-06-13 14:11:16.000|閱讀 467 次

概述：一般情況下目前常用的紋理分析方法中有以下三種：統計法，結構法，頻譜法。本文將分別介紹。

紋理是物體表面固有的一種特性，所以圖像中的區域常體現出紋理性質。紋理可以認為是灰度（顏色）在空間以一定的形式變化而產生的團（模式）。紋理與尺度有密切的關系，一般僅在一定的尺度上可以觀察到，對紋理的分析需要在恰當的尺度上進行。紋理還具有區域性質的特點，通常被看做對局部區域中像素之間關系的一種度量，對于單個像素來說討論紋理是沒有意義的。一把情況下目前常用的紋理分析方法中有以下三種：統計法，結構法，頻譜法。下面分別介紹。

1. 紋理描述的統計方法

最簡單的統計法借助于灰度直方圖的矩來描述紋理，比如直方圖的二階矩是灰度對比度的度量，可以用于描述直方圖的相對平滑程度；三階矩表示了直方圖的偏度；四階矩表示的直方圖的相對平坦型等等。但是僅借助灰度直方圖的矩來描述紋理沒能利用像素相對位置的空間信息，為了利用這些信息，我們可以建立區域的灰度共生矩陣。

1.1 灰度共生矩陣

設 S 為目標區域 R 中具有特定空間聯系（可由位置算子確定）的象素對的集合，共生矩陣 P 中的元素（ #代表數量）

分子：具有某種空間關系、灰度值分別為g1和g2的象素對的個數

分母：象素對的總和個數

上面提到了一個概念，位置算子，位置算子其實就是象素對的特定空間聯系，比如向右1個象素和向下1個象素。共生矩陣的大小一般為k x k矩陣（k為所求圖像的灰度級數）。舉個栗子如下：

上圖a為3個灰度級的圖象（ g1 = 0， g2 = 1， g3 = 2），位置算子為：向右1個象素和向下1個象素，b圖按照位置算子計算得到的灰度共生矩陣，c圖為共生矩陣歸一化的結果。然而，為了更好的對圖像分析，一般常用由共生矩陣產生的紋理描述符，比如：二階矩，對應圖像的均勻性或平滑性；熵，給出圖像內容隨機性的度量；對比度，反應緊鄰像素間的反差等。

1.2. 基于能量的紋理描述符

通過利用模板（也稱核）計算局部紋理能量可以獲得灰度變化的信息，如果設圖象為I，模板為M1, M2, …, MN，則卷積 Jn = I * Mn, n = 1, 2, …, N 給出了各個象素鄰域中的紋理能量分量，如果采用尺寸為k × k的模板，則對應第n個模板的紋理圖像（的元素）為：

常見的一維模板有：

其中L代表層（level），E代表邊緣（edge），S代表形狀（shape），W代表波（wave），R代表紋（ripple），例如L5給出中心加權的局部平均， E5檢測邊緣。對應的二維模板常用兩個一維模板（行模板和列模板）的卷積得到。這里不再贅述。

2. 紋理描述的結構方法

2.1 結構描述法基礎

一般認為紋理是由許多相互接近的，互相編織的元素構成（它們常具有周期性），所以紋理描述可提供圖像區域的平滑，稀疏，規則性等特性。結構法是一種空域的方法，其基本思想是認為復雜的紋理可由一些簡單的紋理基元（基本紋理元素）以一定的有規律的形式重復排列組合而成。

結構描述的關鍵點有兩個：一是確定紋理基元；二是建立排列規則。一個紋理基元是由一組屬性所刻畫的相連通的像素集合，設紋理基元為h(x, y)，排列規則為r(x, y)，則紋理t(x, y)可表示為：

為了用結構法描述紋理，在獲得紋理基元的基礎上，還要建立將它們及逆行排列的規則，排列規則和方式可用形式語法來定義，其中t表示紋理基元，a表示向右移動，b表示向下移動：

(1) S -> aS（變量S可用aS來替換）

(2) S -> bS（變量S可用bS來替換）

(3) S -> tS（變量S可用tS來替換）