图像处理第六章幻灯片.ppt

《图像处理第六章幻灯片.ppt》由会员分享，可在线阅读，更多相关《图像处理第六章幻灯片.ppt（13页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、图像处理第六章第1页，共13页，编辑于2022年，星期五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

2、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，星期五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

3、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，星期五6.1.1 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

4、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，星期五需要指出的是，基于灰度

5、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

6、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，星期五每一矩阵覆盖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

7、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，星期五6.1.2 图像的自相关函数定义图像 的自相关函数为：若 或 ，定义 ，也就是说，图像之外的图像值为零。自相关函数 随x,y大小而变化，与图像中纹理粗细的变化有着对应的关系。定义 ，则x=0,y=0时，达到最大值。若图像的纹理较粗，则 随d增加而下降的速度较慢；若图像的纹理较细，则 随d增加而下降的速度较快。随着d继续增加，会呈现某种周期性变化，这种周期性可以反映纹理基元的排列规则，例如稀疏、稠密程度。第7页，共13页，编辑于2022年，星期五通过观察 随哪

8、个方向变化最慢，我们就可以知道纹理基元有很大的可能是沿着这个方向排列的。这可通过对 的每一点求梯度方向来得到变化最慢的方向。6.1.3 灰度分布统计特征1.灰度共生矩阵由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两像素间会存在一定的灰度关系，这种关系被称为是图像中灰度的空间相关特征。而在灰度直方图中，因为各个像素的灰度是独立地进行处理的，所以不能很好地反映纹理中灰度级空间相关性的规律。于是人们自然地想到通过研究灰度的空间相关性来描述纹理，这正是灰度共生矩阵的思想基础。（1）基本思想灰度直方图是对图像上单个像素具有某个灰度进行统计的结果，而灰度共生矩阵是对图像上

9、保持某距离的两像素分别具有某灰度的状况进行统计得到的。两者最大差别在于，前者表示了单个像素的灰度分布概貌，后者描述了成对像素的灰度组合分布。第8页，共13页，编辑于2022年，星期五灰度共生矩阵用 表示，矩阵元素则用以符号表示：其中，i,j分别为两个像素的灰度；L为图像的灰度级数；为两个像素间的位置关系，用 表示，即两个像素在x方向和y方向上的距离分别为 ，不同的 决定了两像素间的距离和方向，一般常用图6.1.5所示的4个方向上的位置关系。当两像素间位置关系 选定后，就生成一定 下的灰度共生矩阵 。共生矩阵中的一个元素表示了一种灰度组合下出现的次数。如元素 表示了图像上位置关系为 的两像素灰度

10、分别为1和0的情况出现的次数。显然，不同的位置关系（距离或方向），元素值就不相同。下面以图6.1.6的图像纹理为例，说明不同位置关系下的灰度共生矩阵的生成方法。第9页，共13页，编辑于2022年，星期五（2）矩阵特点1、矩阵大小 灰度共生矩阵的行和列分别是两个像素的灰度级，设图像灰度级数为L，则矩阵为行列共LL个元素，表示两个像素的灰度组合有 种。若L=256=，则矩阵的元素数为 个，这么大的矩阵必然使运算量剧增。因此必要时可在不影响纹理分析的情况下将灰度适当变换以减少灰度级数，然后再求共生矩阵。2、归一化 为了分析方便，矩阵元素常用概率值表示，即将各元素 除以各元素之和S，得到各元素都小于1

11、的归一化值 。S表示了图像上一定位置关系下像素对的总组合数，对于确定的位置关系 ，像素对总组合数是一个常数。若图像大小为MN，当 时，每一行形成的像素对组合数为2（N-1），M行的像素对总组合数为S=2M(N-1)。第10页，共13页，编辑于2022年，星期五4、主对角线元素的作用灰度共生矩阵中主对角线上的元素是一定位置关系下的两像素同灰度组合出现的次数。由于存在沿纹理方向上相近像素的灰度基本相同，垂直纹理方向上相近像素间有较大灰度差的一般规律。因此，这些主对角线元素的大小有助于判别纹理的方向和粗细，对纹理分析起着重要的作用。沿着纹理方向的共生矩阵中，主对角线元素值很大，而其他元素值全为零，这

12、正说明了沿着纹理方向上没有灰度变化。可见，大的主对角线元素提供了识别纹理方向的可能性。3、对称性 灰度共生矩阵各元素值必定对称于主对角线。共生矩阵中形成对称性是由于在这4种方向的位置关系中，每一种方向实际上都包含了两种对称的位置关系，如水平方向中，包含了和 两种位置。如果位置关系不是上述情况，则生成的灰度共生矩阵并非一定是对称的。第11页，共13页，编辑于2022年，星期五（3）特征参数从灰度共生矩阵抽取出的纹理特征参数有以下几种：二阶矩图像灰度分布均匀性的度量对比度纹理的清晰程度的度量相关用来衡量灰度共生矩阵的元素在行的方向或列的方向的相似程度。熵图像所具有的信息量的度量。纹理也是图像的信息

13、，如图像没有任何纹理，则熵值接近为零，若图像充满着细纹理，熵值最大，若图像中分布着较少的纹理，熵值较小。5、元素值的离散性灰度共生矩阵中元素值相对于主对角线的分布可用离散性来表示，它常常反映纹理的粗细程度。离开主对角线远的元素的归一化值高，即元素值的离散性大，也就是说，一定位置关系的两像素间灰度差大的比例高，说明图像上垂直于该方向的纹理较细。当非主对角线上的元素的归一化值全为零时，元素值的离散性最小，即图像上垂直于该方向上不可能出现纹理。第12页，共13页，编辑于2022年，星期五上述4个统计参数为应用灰度共生矩阵进行纹理分析的主要参数，可以组合起来，成为纹理分析的特征参数使用。还有一些从灰度共生矩阵引导出来的参数可供纹理分析使用，如方差，逆差距，和平均，和方差，和熵，差平均，差方差，差熵等。第13页，共13页，编辑于2022年，星期五