数字图像处理及MATLAB实现6-10分析报告.ppt

（2）对比度 粗纹理N2较小，细纹理N2较大。 （10.14） 10.2.3 灰度共生矩阵（Gray-Level Co-occurrence Matrix） （3）熵 粗纹理N3较小，细纹理N3较大。 （10.15） 10.2.3 灰度共生矩阵（Gray-Level Co-occurrence Matrix） （4）均匀度 粗纹理N4较大，细纹理N4较小。 （10.16） 10.2.3 灰度共生矩阵（Gray-Level Co-occurrence Matrix） （5）相关 其中 （10.17） 10.2.3 灰度共生矩阵（Gray-Level Co-occurrence Matrix） 10.2.4 频谱特征（Spectrum Features） 付里叶频谱是一种理想的可用于描绘周期或者近似周期的二维图像模式的方向性的方法。 频谱特征正是基于付里叶频谱的一种纹理描述。全局纹理模式在空域中很难检测出来，但是转换到频域中则很容易分辨。 频谱纹理对区分周期模式或非周期模式以及周期模式之间的不同十分有效。通常，全局纹理模式对应于付里叶频谱中能量十分集中的区域，即峰值突起处。 在实际应用中，通常会把频谱转化到极坐标中，用函数S(r, ?)描述，从而简化表达。其中，S是频谱函数，r和?是坐标系中的变量。将这个二元函数通过固定其中一个变量转化成一元函数，如，对每一个方向?，可以把S(r, ?)看成是一个一元函数S?(r)；同样地，对每一个频率r，可用一元函数Sr(?)来表示。 10.2.4 频谱特征（Spectrum Features） 对给定的方向?，分析其一元函数S?(r)，可以得到频谱在从原点出发的某个放射方向上的行为特征。而对某个给定的频率r，对其一元函数Sr(?)进行分析，将会获取频谱在以原点为中心的圆上的行为特征。 10.2.4 频谱特征（Spectrum Features） 如果分别对上述两个一元函数按照其下标求和，则会获得关于区域纹理的全局描述： （10.18） （10.19） 其中，R0是以原点为中心的圆的半径。对极坐标中的每一对(r, ?)，[S(r), S(?)]构成了对整个区域的纹理频谱能量的描述。 10.2.4 频谱特征（Spectrum Features） a b c d 图10.3 纹理图像的频谱特征。（a）纹理原图，（b）频谱图，（c）纹理频谱能量S?(r)，（d）纹理频谱能量Sr(?) 10.2.4 频谱特征（Spectrum Features） 三、边界特征（Boundary Feature）  边界描述主要借助区域的外部特征即区域的边界来描述区域。当希望关注区域的形状特征的时候，一般会采用这种描述方式，我们可以选定某种预定的方案对边界进行表达，再对边界特征进行描述。 10.3 边界描述（Boundary Descriptors） 1 边界表达（Boundary Representation） 当一个目标物区域边界上的点已被确定时，就可以利用这些边界点来区别不同区域的形状。这样既可以节省存储信息，又可以准确地确定物体。这里主要介绍几种常用的表达形式。 10.3.1 边界表达（Boundary Representation） 1. 链码 在数字图像中，边界或曲线是由一系列离散的像素点组成的，其最简单的表达方法是由美国学者 Freeman提出的链码方法。链码用于表示由顺次连接的具有指定长度和方向的直线段组成的边界线。在典型的情况下，这种表示方法基于线段的4或8连接。每一段的方向使用数字编号方法进行编码，如图10.4中所示。 10.3.1 边界表达（Boundary Representation） 图10.4 链码的方向编号。（a）4向链码，（b）8向链码