色织物组织的灰度特征与自动识别.pdfVIP

维普资讯 维普资讯 维普资讯 维普资讯 4 青 岛大学学报 (工 程技 术版 ) 第 22卷 U一∑P() (3) {三 熵 e是图像的随机性度量，它反映灰度变化的速度 ，其值为 I，一1 8一一 p(z)log2p(z) (4) 2．2 灰度共生矩阵分析 在纹理图像中，某个方向间隔一定距离的一对像素灰度出现的统计规律能具体反映这个纹理的统计特 性。纤维粗细、排列密度、取向等构成了织物组织点图像的纹理要素，有典型的纹理特征，灰度共生矩阵适合 于这类评价。 灰度共生矩阵嘲被定义为从灰度为 i的像素点出发，统计距离为 d(D ，D )、灰度为 的像素同时出现 的概率P(1，，d，)，即 P(i，J，，)=集合 {(z，)ff(x，)一i~f(x+D ，+D )： ；X，—O，1，… ，N一1} 其中，i，：O，1，2，…，L一1；z，Y是图像中像素的坐标；L为灰度级的数 目；d由( ， )构成，是像素点对之 间的距离；表示连接这对像素点的平面方向。 基于灰度共生矩阵再提取二次纹理统计量计算，以此来定量描述纹理图像的属性 。对 比度(C)反映邻 近像素的反差，是纹理定域变化的度量，可理解为图像的清晰度、纹理的强弱，有 L-- 1 I，一1 C一∑ [∑∑户(，)]， f—Jf一 (5) 相关性(R)衡量共生矩阵在行或列方向上的相似程度 ，是灰度线性关系的度量，有 L一 1 I，-1 ∑∑(～j)p(i，)一 R 一 上旦 ——— ． ————一 (6) 其 中 I 一1 L一 1 L-- 1 I，一1 一 ∑ ∑户(，)， 一∑J∑p(i，) i=0 J= 0 2= 0 J=0 I 1 L-- 1 ． L-- 1 I，一1 2一 ∑(一 )∑p(i，)， 2一丁1∑(一z)∑p(i，) ～ O J一 0 ～ J=0 l=0 二阶角矩又称为能量(H)，是图像灰度分布均匀程度和纹理粗细的一个度量，有 H一∑∑p(i，) (7) i= 0 |一 0 同质性又称为逆差矩(Hom)，是度量 图像纹理局部变化的多少，有 m 一 岛 (8) 3 实验与讨论 3