Matlab数字图像处理11.ppt

图像处理的另一个主要分支是图像分析，图像分析可以看作是一个信息提取过程，从图像中提取有用的数据、信息或度量，生成描述或表示。图像的特征分析是图像分析的关键因素之一，通过对图像特征的描述和表达提取图像所包含的原始特性或属性，从而为图像分析或识别奠定基础。图像特征是指图像的原始特性或属性，可分为视觉特征和统计特征。视觉特征主要是人的视觉直接感受到的自然特征（如图像的颜色、纹理和形状等）；统计特征是指需要通过变换或测量才能得到的人为特征（如频谱、直方图等）。本章主要介绍图像的颜色特征、纹理特征和形状特征的分析方法及其MATLAB实现方法，以便更好地应用到图像分析和模式识别领域中。 颜色特征属于图像的内部特征，描述了图像或图像区域所对应的景物的表面性质。颜色特征与其他视觉特征相比，它对图像的尺寸、方向、视角等变化不敏感，因此颜色特征被广泛应用于图像识别。根据颜色与空间属性的关系，颜色特征的表示方法可以有颜色矩、颜色直方图、颜色相关等几种方法。本小节主要介绍颜色矩和颜色直方图，通过举例说明这些描述的MATLAB实现方法以及在图像分析过程的应用。 颜色矩是以数字方法为基础的，通过计算矩来描述颜色的分布。颜色矩通常直接在RGB空间计算，由于颜色分布信息主要集中在低阶矩，因此，常采用一阶矩、二阶矩和三阶矩来表达图像的颜色分布。它们的定义分别是： 一阶矩（均值）： 二阶矩（方差）： 三阶矩（偏度）： 许多图像识别系统中广泛采用颜色直方图作为图像的颜色特征，它所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。颜色直方图反映了图像颜色分布的统计特性，适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。最常用的颜色空间有RGB颜色空间和HSV颜色空间等。 纹理特征描述图像或图像区域所对应景物的表面性质，是从图像中计算出来的一个值，它对区域内部灰度级变化的特征进行量化。图像的纹理特征常具有周期性，反映物品的质地，如粗糙度、光滑度、颗粒度、随机性和规范性等。纹理分析是指通过一定的图像处理技术抽取出纹理特征，从而获得纹理的定量或定性描述的处理过程。图像的纹理分析应用范围十分广泛，例如对卫星遥感地表图像的分析常采用纹理分析，这是因为地表的山脉、河流、森林、城市建筑等均表现了不同的纹理特征。 纹理区域的灰度直方图作为纹理特征，利用图像直方图提取诸如均值、方差、能量及嫡等特征来描述纹理。设为图像中的一点，该点和它只有微小距离的点的灰度差值为： 纹理常用它的粗糙性来描述。例如，在相同的观看条件下砖墙面要比大理石面粗糙。纹理粗糙性的大小与局部结构的空间重复周期有关，周期大的纹理粗，周期小的纹理细。这种感觉上的粗糙与否不足以作为定量的纹理测度，但至少可以用来说明纹理测度变化的倾向。即小数值的纹理测度表示细纹理，大数值测度表示粗纹理。通常采用自相关函数作为纹理测度。设图像为，自相关函数的定义为： 在空间域中，全局纹理模式很难被检测出来，但是转换到频域中则很容易被分辨。因此在分析纹理特征时，常常将图像从空间域转换到频域中进行分析。频谱分析法是将空间域的纹理图像变换到频率域中，利用信号处理的方法，如傅里叶变换等来获得在空间域不易获得的纹理特征，如周期、功率谱等。 图像的形状特征一般是在物体从图象中分割出来以后进行分析，形状描述特征与尺寸测量结合起来可以作为区分不同物体的依据，在机器视觉系统中起着十分重要的作用。通常情况下，形状特征有两类表示方法，一类是轮廓特征，另一类是区域特征。图像的轮廓特征主要针对物体的外边界，而图像的区域特征则关系到整个形状区域。本小节主要介绍了典型的形状特征的描述方法，并在MATLAB中实现对图像的轮廓提取和区域划分。 边界在图像中所占的比例较小，是图像的一个重要特征。边界特征方法通过对边界特征的描述来获取图像的形状参数。通常先选定某种预定的方案对轮廓进行表达，再对边界特征进行描述。 图像对于目标物体形状的分析是图像检测和识别的关键技术。边界描述是将图像中目标物的边界作为图像的重要信息用简洁的数值序列表示出来。这里介绍几种用于区域边界描述的方法。 通常利用物体所占的区域来描述该物体的形状。区域描述的方法主要有简单的区域描述法、四叉树描述法、拓扑描述法和形状描述。 本章从图像特征分析的角度出发，详细讨论了图像特征的表示和描述。文章首先介绍了图像的颜色特征及其描述方法，通过实例展现了颜色特征在图像识别领域中的应用，详细分析了图像的颜色特征所反映的内容与特征。其次本章详细介绍了纹理特征的的分析方法，主要有统计分析法和基于频谱特征的分析方法。最后文章介绍了图像的形状特征表达及描述方法。每种方法都通过MATLAB实例展开分析，旨在详解图像特征在图像理解、图像识别和模式识别中的应用，为