图像特征提取与分析教程（不变距 Hu矩 zernike矩 颜色矩阵 PCA）.ppt

4.2 空间灰度共生矩阵 1.0o方向灰度共生矩阵 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 2 2 2 2 2 2 3 3 2 2 2 2 2 2 3 3 2 2 2 2 2 2 3 3 2 2 2 2 2 2 3 3 0 0 0 1 0 2 2 3 1 1 1 0 0 3 1 2 1 3 2 0 2 1 2 2 0 0 0 0 0 1 2 3 4 4 0 0 4 20 0 0 0 0 12 4 0 0 4 0 1 0 0 2 14 0o方向灰度共生矩阵 4.2 空间灰度共生矩阵 45o方向灰度共生矩阵 当 时， 。 45o方向灰度共生矩阵计算示意图 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 2 2 2 2 2 2 3 3 2 2 2 2 2 2 3 3 2 2 2 2 2 2 3 3 2 2 2 2 2 2 3 3 0 1 3 1 1 1 2 1 0 2 3 2 1 2 2 2 0 3 3 3 1 3 2 3 0 0 3 0 1 0 2 0 4.2 空间灰度共生矩阵 3.90o方向灰度共生矩阵 当 时， 。 90o方向灰度共生矩阵计算示意图 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 2 2 2 2 2 2 3 3 2 2 2 2 2 2 3 3 2 2 2 2 2 2 3 3 2 2 2 2 2 2 3 3 4.2 空间灰度共生矩阵 4.135o方向灰度共生矩阵 当 时， 。 135o方向灰度共生矩阵计算示意图 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 2 2 2 2 2 2 3 3 2 2 2 2 2 2 3 3 2 2 2 2 2 2 3 3 2 2 2 2 2 2 3 3 4.2 空间灰度共生矩阵 灰度共生矩阵计算结果 4.2 空间灰度共生矩阵 熵值是图像所具有的信息量的度量，纹理信息也属于图像的信息。若图像没有任何纹理，则灰度共生矩阵几乎为零矩阵，则熵值接近为零。若图像为较多的细小纹理，则灰度共生矩阵中的数值近似相等，则图像的熵值最大，若仅有较少的纹理，则灰度共生矩阵中的数值差别较大，图像的熵值就较小。 熵值的定义如下： 4.2 空间灰度共生矩阵 另外还有惯性、能量等也是常用的纹理特征。其定义分别为： 惯性： 能量： 4.3 纹理能量测量 Laws的纹理能量测量方法是一种典型的一阶分析方法 。 Laws纹理测量的基本思想是设置两个窗口： 一个是微窗口，可能为3×3,5×5,7×7像素，通常取5×5，用来测量以像元为中心的小区域内灰度的不规则性，以形成属性，也称之为窗口滤波； 二是宏窗口，可以为15×15或32×32，用来在更大的窗口上求属性量的一阶统计特性，常为均值或标准偏差，也称为能量变换。 其具体实现就是用定义的一些模板与图像进行卷积，以便于检测出不同的纹理能量信息。 纹理能量检测模板 4.4 纹理的结构分析方法和纹理梯度 1.纹理的结构分析方法 是除统计方法之外的另一类纹理分析方法。该方法认为纹理是由结构基元按照某种重复性规则而构成的模式，其表述过程实际是对纹理基元的提取以及对基元分布规则的描述。 纹理基元可以是一个像素点，也可以是若干个灰度上比较接近的像素点的集合，由基元可以构成较为基本的、同时也是比较小的子纹理，最后由于纹理按某种空间组织规则合成为一幅完整的纹理图像。 4.4 纹理的结构分析方法和纹理梯度 给出3个纹理基元合成为一个子纹理的过程，对产生的子纹理应用规则的空间组织规则形成了如图(b)所示的纹理图像。如果给出纹理基元 的排列规则 ，就能够将这些基元按照规定的方式组织成所需的纹理模式 。可将纹理 定义为： 纹理的基元 纹理图像 4.4 纹理的结构分析方法和纹理梯度 2.纹理梯度 纹理基本上是区域特性，图像中的区