数字图像处理（翟瑞芳）第8章-image understanding.pptVIP

人工纹理与自然纹理 (a) 人工纹理； （b）自然纹理 (a) (b) 8.3.1 统计法 1. 灰度差分统计法 设(x, y)为图像中的一点，该点与和它只有微小距离的点(x+Δx, y+Δy)的灰度差值为 累计 取各个值的次数，做出直方图。可知 取值的概率。 该方法采用以下参数描述纹理图像的特征：  （1） 对比度： （2） 角度方向二阶矩: （3） 熵: （4）平均值: 平坦时，ASM较小，ENT较大； 离原点越近，则MEAN值越小。 2. 行程长度统计法 设点(x , y)的灰度值为g，与其相邻点的灰度值也可能为g， 统计出从任一点出发沿θ方向上连续n个点都具有灰度值g这种情况发生的概率，记为p(g, n )。在同一方向上具有相同灰度值的像素个数称为行程长度。由p(g, n)可以定义出能够较好描述纹理特征的如下参数：  （1） 长行程加重法： （2） 灰度值分布： （3）行程长度分布： （4）行程比： 式中，N2为像素总数。 3. 联合概率矩阵法 取图像中任意一点(x，y)及偏离它的另一点(x+a, y+b)，设该点对的灰度值为(g1，g2)。令点(x，y)在整个画面上移动，则会得到各种(g1，g2)值，设灰度值的级数为k，则(g1，g2)的组合共有k2种。对于整个画面，统计出每—种(g1，g2)值出现的次数，然后排列成—个方阵，再用(g1，g2)出现的总次数将它们归一化为出现的概率p(g1，g2)，这样的方阵称为联合概率矩阵，也叫做共生矩阵。 联合概率矩阵计算示例 2 6 10 14 2 6 10 6 10 14 2 6 10 14 10 14 2 6 10 14 2 14 2 6 10 14 2 6 2 6 10 14 2 6 10 6 10 14 2 6 10 14 10 14 2 6 10 14 2 0 1 2 3 0 1 2 1 2 3 0 1 2 3 2 3 0 1 2 3 0 3 0 1 2 3 0 1 0 1 2 3 0 1 2 1 2 3 0 1 2 3 2 3 0 1 2 3 0 0 10 0 0 0 0 11 0 0 0 0 11 10 0 0 0 8 0 0 0 0 9 0 0 0 0 10 0 0 0 0 9 0 0 9 0 0 0 0 10 9 0 0 0 0 8 0 0 ( f 1 ) 0 1 2 3 → (+1) ( a ＝1, b ＝1) ( f 1 ) 0 1 2 3 ( f 1 ) 0 1 2 3 → (+1) ( a ＝2, b ＝0) → (+1) ( a ＝1, b ＝0) ( a ) ( b ) ( c ) ( d ) ( e ) 当a,b值较小时： 变化缓慢的纹理图像，对角线上的数值较大； 纹理变化越快，则对角线上的数值越小，而对角线两侧的元素值增大。 为了能描述纹理的状况，有必要选取能综合表现联合概率矩阵状况的参数， 典型的有以下几种： 角二阶矩：均匀性或平滑性 对比度 相关性 差熵 8.3.2 用空间自相关函数作纹理测度 用空间自相关函数作纹理测度的方法如下： 8.3.4 基于纹理特征应用实例 1. 图像的分类识别 Q1 Q2 Q3 Q4 0.0033364 0.28878 0.45112 3.5295 0.0025575 0.36481 0.37306 3.5957 0.0041269 0.0777 0.5693 3.4685 0.0025792 0.32413 0.3828 3.567 2. 图像的自动拼接 2. 印刷品低分辨率下的纹理特征检测 1. 矩的定义 对于二元有界函数f ( x , y )，它的( j + k )阶矩为 由于j和k可取所有的非负整数值，因此形成了一个矩的无限集。而且，这个集合完全可以确定函数f (x，y)本身。 8.4 不变矩特征 零阶矩是物体的面积， 即 对二维离散函数f (x，y)，零阶矩可表示为 2. 质心坐标与中心矩 二值图像中一个物体的质心的坐标 中心矩的定义为 3. 不变矩 对于j+k ＝2, 3, 4…的高阶矩，可以定义归一化的中心矩为 利用归一化的中心矩，可以获得六个不变矩组合，这些组合对于平移、旋转、尺度等变换都是不变的，它们是： 不变矩的应用——步态识别 提取人体轮廓 设1幅6*6图