图像处理第六章.pptVIP

第1页，共13页，编辑于2022年，星期六 图像特征提取工作的结果给出了某一具体的图像中与其他图像相区别的特征。例如，描述物体表面灰度变化的纹理特征，描述物体外形的形状特征等。这些特征提取的结果需要一定的表达方式，要让计算机能懂得。 6.1 纹理特征的提取 纹理，很容易想到木纹，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，而这些变化又与物体本身的属性相关。比如，同一个树种的木材有相同或相似的纹理，人们通过识别木纹来识别木材的树种和材质。又如沙漠的图像和森林的图像有着明显不同的纹理特征，沙漠的灰度变化较慢而森林的灰度变化较快。图6.1.1为两幅具有不同纹理的图像。 纹理在图像处理中起着重要的作用，它被广泛应用于气象云图分析、卫星遥感图像分析、生物组织和细胞的显微镜照片分析等领域。此外，在一般的以自然风景为对象的图像分析中，纹理也具有重要的作用。 第2页，共13页，编辑于2022年，星期六 通过观察不同物体的图像，可以抽取出构成纹理特征的两个要素： （1）纹理基元：纹理基元是一种或多种图像基元的组合。纹理基元有一定的形状和大小，例如花布的花纹。 （2）纹理基元的排列组合：基元排列的疏密、周期性、方向性等的不同，能使图像的外观产生极大的改变。 纹理特征提取指的是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。因此，纹理特征提取应包括两方面的内容：检测出纹理基元和获得有关纹理基元排列分布方式的信息。 纹理分析方法，大致分为统计方法和结构方法。统计方法适用于分析象木纹、森林、山脉、草地那样的纹理细而且不规则的物体；结构方法则适用于象布料的印刷图案或砖花样等一类纹理基元排列较规则的图像。本节着重介绍统计方法中几种最常用的方法。 第3页，共13页，编辑于2022年，星期六 6.1.1 直方图统计特征 1、灰度直方图 直方图是图像窗口中，多种不同灰度的像素分布的概率统计。视觉系统所观察到的图像窗口中的纹理基元必然对应于一定概率分布的直方图，其间存在着一定的对应关系。根据这个特点，就可以让计算机来进行两个适当大小的图像窗口的纹理基元的计算和分析。若已知两个图像窗口中的一个窗口里的纹理基元，且两个窗口的直方图相同或相似，则说明第二个窗口中可能具有类似第一个窗口的纹理基元。若将连续的图像窗口的直方图的相似性进行比较，就可以发现及鉴别纹理基元排列的周期性及紧密性等。具体步骤如下： （1）选择合适的邻域大小； （2）对每一个像素，计算出其邻域中的灰度直方图； （3）比较求出的直方图与已知的各种纹理基元或含有纹理基元的邻域的直方图间的相似性，若相似，则说明图像中可能存在已知的纹理基元。 （4）比较不同像素所对应的直方图间的相似性，从中可以发现纹理基元排列的周期性、疏密性等特征。 第4页，共13页，编辑于2022年，星期六 需要指出的是，基于灰度级的直方图特征并不能建立特征与纹理基元的一一对应关系。相同的纹理单元具有相同的直方图，但相同的直方图可能会有不同的纹理基元相对应。例如书中图6.1.2所示的两种纹理，灰度直方图就是一样的。因为直方图是一维信息，不能反映纹理的二维灰度变化。因此在运用直方图进行纹理基元的分析和比较时，还要加上基元的其他特征。 上述步骤中，最重要的是如何衡量直方图间的相似性，常用的几种相似性度量为：直方图均值，方差，kolmogorov-Smirnov检测（具体见书147-148） 2. 边缘方向直方图 鉴于灰度直方图不能反映图像的二维灰度变化，一个可行的方案是利用边缘方向、大小等统计性质。所谓图像边缘指的是图像中感兴趣的景物或区域与其余部分的分界。因而，图像边缘往往包含有大量的二维信息。利用纹理所具有的方向性，可以容易识别某些纹理，如图6.1.2中的纹理。下面介绍一种边缘方向直方图方法，即构造图像灰度梯度方向矩阵。 第5页，共13页，编辑于2022年，星期六 每一矩阵覆盖16个图像像素，每4个像素组成一个小单元。首先计算每一个小单元的梯度，确定其方向。如对图中由ABCD四个像素组成的小单元，按下述方法计算8个方向的差分值： 取其中最大值的方向作为该小区域的梯度方向。在计算完这9个小区域的方向后，就可计算这个16像素的图像区域中所有不同梯度方向的数目，可取最大数目的梯度方向为该图像区域的方向。用此16像素的图像区域为模板，在整个图像上平移计算，并进行分类，就可得出整个图像的灰度梯度方向，就是整个图像的纹理信息。 第6页，共13页，编辑于2022年，星期六 6.1.2 图像的自相关函数 定义图像 的自相关函数为： 若 或