图像采集与处理-C11-R

图像采集与处理视觉特征的提取与表达 (4)纹理特征 2012-11-6

作业总结：频率域Gabor滤波器clear all;%--- input test image ---% img=imread('test.jpg'); img=rgb2gray(img); img=im2double(img);%--- fft2 transform the time domain image to frequency domain ---% f=fft2(img); ff=fftshift(f);%--- Setting the Gabor filter parameters ---%[m,n]=size(f); u0=m/2+0.33*m; v0=n/2-0.33*n; a=m/5; b=n/5; K=25;

作业总结：频率域Gabor滤波器%--- initialization ---% basic1=f; basic2=f; even=basic1; odd=basic1; ffeven=ff; ffodd=ff;%--- compute the basic Gabor filter ---% for u=1:m for v=1:n basic1(u,v)=K*exp((-pi)*(((u-u0)/a)^2+((v-v0)/b)^2)); basic2(u,v)=K*exp((-pi)*(((m-u-u0)/a)^2+((n-v-v0)/b)^2)); end end

作业总结：频率域Gabor滤波器%--- compute the even and odd Gabor filter and Gabor filtering ---% for u=1:m for v=1:n even( u,v)=(basic1(u,v)+basic2(u,v))/2; odd(u,v)=0.5i*(basic2(u,v)-basic1(u,v)); ffeven(u,v)=even(u,v)*ff(u,v); ffodd(u,v)=odd(u,v)*ff(u,v); end end%--- Inverse FFT ---% g_even= ifft2(ifftshift(ffeven)); g_odd= ifft2(ifftshift(ffodd)); g= sqrt(g_even.^2+g_odd.^2);%---- Show results ----------------% figure,imshow(g);title('gabor output 2');

作业总结：空间域Gabor滤波器clear all;%--- input test image ---% img=imread('test.jpg'); img=rgb2gray(img); img=double(img);%--- Setting the gabor filter parameters ---%[imgX,imgY]=size(img);%%-- 135° --% u0=0.2; v0=-0.2; a=0.2; b=0.2; K=0.3;

作业总结：空间域Gabor滤波器%--- initialization ---% h_even=zeros(9,9); h_odd=zeros(9,9);%--- Set the basic gabor filter ---% for s=-4:4 for t=-4:4 temp1=-pi*((s*a).^2+(t*b).^2); temp2=-2*pi*(u0*s+v0*t); h_even(s+5,t+5)=K*exp(temp1)*cos(temp2); h_odd(s+5,t+5)=K*exp(temp1)*sin(temp2); end end%--- Convolution of matrices img and gabor filters ---% g_even= conv2(img,h_even,'same'); g_odd= conv2(img,h_odd,'same'); g=sqrt(abs(g_even).^2+abs(g_odd).^2); figure,imshow(uint8(g));title('gabor time domain output');

作业总结：空间域Gabor滤波器%---为了熟悉卷积过程：可以用下面的代码代替上面的conv2函数---% for x= 4: imgX - 3 for y= 4: imgY - 3 g_even(x, y)= 0; g_odd(x, y)= 0; for xx= -4: 4 for yy= -4: 4 x3= x+ xx+ 1; y3= y+ yy+ 1; x4= xx+ 5; y4= yy+ 5; g_even(i, j)= g_even(i, j)+ img(x3, y3) * heven(x4,y4); g_odd(i, j)= g_odd(i, j)+ img(x3, y3) * hodd(x4,y4); end end end end g=sqrt(abs(g_even).^2+abs(g_odd).^2);

纹理特征提取与表达纹理特征的概念统计纹理描述旋转不变性的纹理描述小波变换基于小波变换的纹理描述

纹理特征的提取与描述纹理特征的提取与描述： 1.由于纹理特征是由区域内基元在各方面的属性(例如亮度、颜色、边缘方向、空间排列关系等)体现出来的，所以纹理特征可以由这些属性的组合来表达。这意味着，在提取出上述部分基本特征后(通常由滤波器来提取这些基本

特征),重点在于如何利用这些基本特征来构建纹理描述。 2.作为一个区域的整体描述，纹理特征也可以用一些整体测量来描述： (a)粗糙度：主要描述基元的大小、基元之间的空间间隔等。 (b)方向性：主要描述纹理基元自身的方向(orientation)以及它们的空间排列方向。

纹理特征描述与作用构建纹理特征描述的关键：具有一定的旋转、尺度变化、光照变化的不变性。目前流行的纹理特征描述方法可以分为两类： 1.统计纹理描述：通过计算区域内一些基本特征或者它们组合的统计值，形成多维纹理描述。 2.模型纹理描述：用一个概率分布模型来描述一些基本特征及其线性组合。分布模型的系数刻画了纹理的特征。重点在于如何选取模型、如何估计模型系数。纹理特征的作用： 1.图像分割：将图像中具有不同纹理的区域分割出来。 2.物体识别：根据纹理特征，识别出被测物体为何物。

纹理特征提取与表达纹理特征的概念统计纹理描述旋转不变性的纹理描述小波变换基于小波变换的纹理描述

共生矩阵描述算子共生矩阵(co-occurrence matrix)描述：主要用来刻画基元在灰度属性上周期性重复出现的频率。该描述属于一种统计描述方法。它描述了纹理内部相似基元之间反复出现的空间频率。该空间频率是由基元的大小、基元之间的空间排列等因素决定的。计算原理： 1.在M×N窗口区域内，统计具有灰度级a和b的两个像素、在方向θ上间隔距离为d的这种情况在该区域出现的频率，频率记作：θ,d (a, b) P 2.所有的灰度级构成一个矩阵的行和列，在每个方向和每个距离d都可以得到一个共生矩阵：

共生矩阵描述算子给定4个方向(0,45,90,135)和N个不同的距离d,可以构建4N个共生矩阵。这些共生矩阵可以直接作为纹理描述。共生矩阵的一些统计值可以进一步作为纹理描述量。 1.能量：它给出了区域在某个方向和某个距离间隔内的均匀性。图像越均匀，其值越大。

∑ Pθa,b

2,d

( a, b)

2.熵(entropy):它给出了区域在某个方向和某个距离间隔分布的不确定性。随机性越大，其值就越大。

∑ Pθa,b

,d

(a, b) log 2 Pθ,d (a, b)

3.最大概率：给出了纹理在某个方向和某个距离间隔分布的可能性。 max Pθ,d (a, b)a,b

4.对比度：给出区域在某个方向和某个距离间隔内的灰度变化程度。

∑ ( a b)a,b

2

Pθ,d (a, b)

边缘频率描述算子边缘频率(edge frequency)描述：它统计了基元的边缘特征信息，来确定纹理分布的粗糙度和方向性，作为纹理描述。计算方法： 1.用一阶差分算子(例如，Sobel算子)提取边缘特征，得到每个像素的梯度幅值和方向。 2.

在纹理区域内，计算梯度幅值的均值，作为纹理粗糙度的测量。均值越大，表达边缘越密，说明纹理粗糙度越低。 3.在纹理区域内，统计梯度方向，构建方向直方图，作为纹理的方向性测量。

Laws纹理能量描述Laws纹理能量描述：它通过估计纹理中的平均灰度、边缘、斑点、波纹和波形来构建纹理描述。计算过程： 1.先计算低阶的3个算子：平均灰度算子：L3=(1,2,1)边缘算子：E3=(-1,0,1)斑点(spot)算子：S3=(-1,2,-1) 2.三个算子之间相互卷积和自卷积：L5= L3 L3=[1 4 6 4 1] E5= L3 E3=[ 1 2 0 2 1] S 5= E3 E3= L3 S3=[ 1 0 2 0 1] R5= S3 S3=[1 4 6 4 1] W5= E3 S3=[ 1 2 0 2 1]

Laws纹理能量描述计算过程： 3.计算5个向量之间的相互乘积，选取系数之和为0的滤波器，用每个这样的滤波器与图像进行卷积，得到纹理能量描述向量。例如其中的一个滤波器为： 1 4 T L5 S5= 6 4 1 0 1 0 4 0 12 0 6 0 8 0 4 0 2 0 1 0 0 2 8

上述纹理描述方法都不具备旋转和尺度不变性。

本文来源：https://www.bwwdw.com/article/zi5i.html