课件：五医学图像描述new.pptVIP

空间灰度共生矩阵 灰度共生矩阵就是从N*N的图像f(x,y)的灰度为i的像素出发，统计与距离为 灰度为 j的像素同时出现的概率 用数学表达式则为： 灰度共生矩阵的像素对 1. 0o方向灰度共生矩阵 当 θ=45° 时，dx=1, dy=0，由于所给图像中只有4个灰度级，因此所求得的灰度共生矩阵的大小为 。 0o方向灰度共生矩阵计算示意图 一幅数字灰度图像 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 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 2. 45o方向灰度共生矩阵 当 θ=45° 时，dx=1, dy=-1 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 3. 90o方向灰度共生矩阵 当 θ=90°时，dx=0,dy=-1 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. 135o方向灰度共生矩阵 当θ=135° 时， dx=-1,dy=-1 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 灰度共生矩阵计算结果 5.4.2结构分析法 结构分析法：是分析图像纹理的结构，从中获取结构特征。 结构分析法首先将纹理看成许多纹理基元按照一定位置的规则组成，然后分两步处理如下： 该方法适用于规则和周期性纹理，实际中较少采用 纹理基元 提取纹理基元 推论纹理基元位置规律 5.4.3频谱法 该方法主要基于滤波器理论。包含了傅里叶变换法，Gabor变换法，小波变换法。 傅里叶变换法：只能完成图像的频率分解，因而获得的信息不是很充分。 Gabor变换法： Gabor函数可以捕捉到相当多的纹理信息，且具有极佳的空间/频域联合分辨率因此在实际中获得了较广泛的应用。 小波变换法：该方法大体分金字塔形小波变换法和树形小波变换法。 Gabor滤波 Gabor变换属于加窗傅立叶变换，Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。 Gabor函数与人眼的生物作用相仿，所以经常用作纹理识别上，并取得了较好的效果 v的取值决定了Gabor滤波的波长，u的取值表示Gabor核函数的方向。 参数σ/k决定了高斯窗口的大小，取 取4个频率（v=0, 1, ..., 3），8个方向（即K=8，u＝0, 1, ... ,7），共32个Gabor核函数。 对变换结果求均值和方差作为提取的特征 基于Gabor滤波器的纹理特征提取 将输入图像分成小的图像块； 选择频率与方向（ v, u），组成滤波器组； 滤波器组与每个图像块做空域卷积； 提取特征（均值与方差）。 Gabor滤