数字图像处理课件 第九章 纹理分析推荐.pptVIP

第九章 纹理分析 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。 9.3 Laws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) 9.5灰度共生矩阵分析法 9.5.1灰度共生矩阵的定义 在三维空间中,相隔某一距离的两个像素，它们具有相同的灰度级，或者具有不同的灰度级，若能找出这样两个像素的联合分布的统计形式，对于图像的纹理分析将是很有意义的。灰度共生矩阵就是从图像 (x,y)灰度为i的像素出发，统计与距离为δ=(Δx2+Δy2)1/2、灰度为j的像素同时出现的概率P(i,j,δ,θ)。如图9.5.1。用数学式表示则为 * 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。 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=[1 2 1] 灰度（Level） E3=[-1 0 1] 边缘（Edge） S3=[-1 2 -1] 点（Spot） L5=[ 1 4 6 4 1] E5=[-1 –2 0 2 1] S5=[-1 0 2 0 –1] W5=[-1 2 0 –2 1] 波（Wave） R5=[1 –4 6 –4 1] 涟漪(Ripple） L7=[1 6 15 20 15 6 1 E7=[-1 –4 –5 0 5 4 1] S7=[-1 -2 1 4 1 –2 –1] W7=[-1 0 3 0 –3 0 1] R7=[1 -2 –1 4 –1 –2 1] O7=[-1 6 –15 20 –15 6 –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：