計算機視覺與應(yīng)用 課件 4.2 圖像紋理特征

4.2圖像紋理特征CONTENTS目錄紋理特征定義01紋理特征分析02紋理特征合成03CONTENTS目錄紋理特征定義01紋理特征分析02紋理特征合成03圖像的紋理是一種反映圖像中同質(zhì)現(xiàn)象的視覺特征，它體現(xiàn)了物體表面的具有緩慢變化或者周期性變化的表面結(jié)構(gòu)組織排列屬性。圖像紋理特征是圖像灰度發(fā)生局部重復(fù)性變化的一種模式自然圖像紋理人造圖像紋理紋理特征定義紋理特征的用途：紋理特征用于分割圖像的感興趣區(qū)域并且對區(qū)域進行分類紋理特征提供了圖像灰度或顏色的空間分布信息紋理特征刻畫了局部鄰域的灰度級空間分布信息圖像邊界提取圖像內(nèi)容分類真實圖像輸入圖像生成圖像紋理特征定義CONTENTS目錄紋理特征定義01紋理特征分析02紋理特征合成03紋理特征分析：圖像紋理特征分析面臨兩個問題：紋理分類和紋理分割

：紋理分割：自動確定圖像中不同紋理區(qū)域的邊界。紋理特征分類：將根據(jù)圖像內(nèi)容將圖像分成特定的類別的區(qū)域。紋理特征分析紋理分析方法：結(jié)構(gòu)性分析：紋理結(jié)構(gòu)是由一系列具有規(guī)則性或重復(fù)性關(guān)系的簡單紋理元組成。統(tǒng)計性分析：紋理結(jié)構(gòu)是區(qū)域灰度分布的量化度量。模型化分析：針對特定的紋理構(gòu)建專門的紋理分析模型。作為典型的統(tǒng)計性紋理特征分析方法之一，灰度共生矩陣計算簡單，且可反映圖像的鄰域紋理信息，其定義如下：共生矩陣：一種描述圖像局部區(qū)域或整體區(qū)域的某像素與相鄰像素或一定距離內(nèi)的像素的灰度關(guān)系的矩陣。矩陣中的元素值表示灰度級之間聯(lián)合條件概率密度P(i,j|d,θ)，即在給定空間距離d和方向θ時，灰度以i為起始點（行），出現(xiàn)灰度級j（列）的概率。紋理特征分析灰度共生矩陣示例：

i，j分別表示兩個像素的灰度等級，n(i,j)表示灰度等級i和j的像素對數(shù)，在δ定義的位置關(guān)系下，出現(xiàn)的次數(shù)，如n(0,1)，δ定義為水平，(0,1)像素對水平排列在灰度圖中出現(xiàn)的次數(shù)為“12”。紋理特征分析灰度共生矩陣雖然提供了圖像灰度方向、間隔和變化幅度的信息，但不能直接提供區(qū)別紋理的特性，因此需要在GLCM的基礎(chǔ)上計算用來定量描述紋理特征的統(tǒng)計屬性——常用的9種紋理特征統(tǒng)計屬性為：均值（Mean），方差（Variance），標準差（Std），同質(zhì)性（Homogeneity），對比度（Contrast），非相似性（Dissimilarity），熵（Entropy），角二階矩（AngularSecondMoment），相關(guān)性（Correlation）1）均值：反映了圖像紋理的規(guī)則程度，紋理雜亂無章、難以描述，值比較??；紋理規(guī)律性強，易于描述，值比較大2）方差和標準差：反映了圖像像素值與其均值的偏差程度，圖像灰度變化較大，則方差和標準差較大，反之，較小。3）標準差：紋理特征分析4）同質(zhì)度：圖像灰度均勻性的度量，若圖像灰度均勻則取值較大，否則取值較小。5）對比度：圖像中局部灰度變化總量，灰度變化較大，則值較大，反之較小。6）非相似度：與對比度類似反映局部灰度的相似程度。紋理特征分析7）熵：圖像信息量度量，表征了圖像中紋理的復(fù)雜程度，圖像紋理越復(fù)雜熵值越大。8）角二階矩：圖像中局部灰度的均勻性，均勻性好其值較大，否則較小。9）相關(guān)性：描述了共生矩陣中行和列的相似程度，反映了灰度值沿某一方向的延伸程度，延伸越長，相關(guān)性越大。紋理特征分析CONTENTS目錄紋理特征定義01紋理特征分析02紋理特征合成03紋理合成（TextureSysthesis）技術(shù)主要應(yīng)用于計算機圖形學(xué)等領(lǐng)域，用于模擬幾何模型的表面細節(jié)、增強繪制模型的真實感。不同于傳統(tǒng)的紋理映射（TextureMapping）技術(shù)，紋理合成是從一個樣本紋理中推導(dǎo)一個泛化的過程，并以此來生成具有那種紋理的任意的新圖像，可有效解決紋理接縫和扭曲等問題。根據(jù)原理的不同，我們常常將紋理合成的方法劃分為過程紋理合成（ProceduralTextureSynthesis，PTS）和基于采樣的紋理合成（TextureSynthesisfromSamples，TSFS）。PTS通過對物理生成過程的仿真直接在曲面上生成紋理，如毛發(fā)、云霧、木紋等。這種方法可以逼真地生成紋理圖案，前提是對該紋理的生成過程進行準確的物理建模，這顯然是非常困難的，對于較為復(fù)雜的紋理生成問題，PTS行不通。TSFS通過分析給定樣圖的紋理特征來生成大面積紋理。TSFS技術(shù)既能保證紋理的相似性和連續(xù)性，又避免了PTS中物理模型建立的繁瑣過程。其傳統(tǒng)的算法主要有特征匹配算法、基于馬爾可夫鏈隨機場模型的合成算法以及基于紋理塊拼接的紋理合成算法，而近些年發(fā)展較快的，則是基于深度學(xué)習的紋理合成方法。紋理特征合成參考圖像合成：隨機圖像映射為與參考圖像相同紋理分布的圖像。圖像空間集合等價紋理集合等價紋理感知集合紋理特征合成可調(diào)濾波分解：利用3個尺度,4個方向的可調(diào)濾波圖像分解示意圖如下：+原始圖像低通圖像帶通圖像重構(gòu)圖像紋理特征合成可調(diào)濾波分解：利用3個尺度,4個方向的可調(diào)濾波圖像分解示意圖如下：為什么對圖像進行分解？保留圖像所有的信息；與原始圖像相比，提供更多的獨立通道信息重構(gòu)圖像紋理特征合成可調(diào)濾波分解：4個尺度,4個方向的可調(diào)濾波圖像分解示意圖如下：輸入圖像可調(diào)濾波金字塔紋理特征合成（2）直方圖匹配圖像直方圖表示圖像的像素分布情況，反映了具有特定像素值的圖像點數(shù)量。假設(shè)正常圖像的像素強度在0~255之間變化，為了生成其直方圖，只需要計算像素值為0的像素數(shù)量，然后計算像素值為1的像素數(shù)量并一直計算到255。圖像直方圖實例如圖4-2-7所示。紋理特征合成直方圖均衡化是圖像處理領(lǐng)域中利用圖像直方圖對對比度進行調(diào)整的方法。這種方法通常用來增加許多圖像的局部對比度，尤其是當圖像的有用數(shù)據(jù)的對比度相當接近的時候，通過這種方法亮度可以更好地在直方圖上分布。這樣就可以用于增強局部的對比度而不影響整體的對比度，直方圖均衡化通過有效地擴展常用的亮度來實現(xiàn)這種功能，如圖4-2-8所示。紋理特征合成紋理特征合成直方圖匹配又稱為直方圖規(guī)定化，是指將一幅圖像的直方圖變成規(guī)定形狀的直方圖而進行的圖像增強方法。即將某幅影像或某一區(qū)域的直方圖匹配到另一幅影像上。使兩幅影像的色調(diào)保持一致?？梢栽趩尾ǘ斡跋裰狈綀D之間進行匹配