图像区域分析和常规特征提取②

Clock_926

已于 2023-09-27 20:52:26 修改

阅读量599

点赞数

分类专栏：机器视觉与图像处理文章标签： matlab 计算机视觉视觉检测图像处理算法人工智能相机

于 2023-05-20 02:16:08 首次发布

本文链接：https://blog.csdn.net/2301_76660661/article/details/130443949

版权

机器视觉与图像处理专栏收录该内容

13 篇文章 7 订阅

订阅专栏

文章介绍了图像处理中的基本描述符，如压实度、圆度和偏心度，以及纹理分析和傅立叶光谱在描述图像周期性模式中的应用。全局特征如HarrisStephensCorner检测器在拐角检测中的作用也被提及，强调了这些方法在图像搜索和识别中的重要性。

摘要由CSDN通过智能技术生成

基本图像描述符包括压实度、圆度、偏心度等，基于此我们可以获得图像中更多重要的信息。纹理并没有正式的定义，直观地说纹理描述符提供了平滑度、粗糙度和规则性的度量。傅立叶光谱非常适合描述图像中周期性或半周期性二维图案的方向性。通过滤波消除任何周期性分量，留下非周期性图像元素，然后可以用统计方法来描述。

对于搜索图像数据库以查找匹配项（例如人脸识别）等应用程序，局部特征方法并不适用，需要使用全局图像特征方法。

（1）Harris Stephens Corner检测器

一、区域特征描述

如下图所示，该图像为北美洲夜间红外图像，可提取人类居住区域信息的归一化区域。

成像传感器检测可见光和近红外发射区域，进而推断灯光、火灾和照明弹的使用情况。归一化平均值可以按地区给出电能消耗的相对估计，而数据则可以根据每个地区的土地质量、人口数量等参数进行归一化。

这个例子反映了图像中基本描述符的功能，基于此我们可以获得更多重要的信息。

（1）一些基本图像描述符

首先介绍一些基本的图像描述符。

① 压实度

压实度（Compactness）的定义为某区域周长的平方与面积的比值，数学表达式为：

② 圆度

圆度（Circularity）的定义也基于某区域的周长和面积，数学表达式为：

圆形的圆度为1（其最大值）。正方形的圆度等于4𝜋。

③ 偏心度

偏心度（Eccentricity）定义为焦点之间的距离比率，数学表达式为：

下图展示了这三种基本图像描述符的例子：

（2）纹理

纹理并没有正式的定义。直观地说，纹理描述符提供了平滑度、粗糙度和规则性的度量。

统计方法可获得纹理的特征，如平滑、粗糙、粒状等。光谱技术基于傅里叶光谱的性质，主要用于通过识别光谱中的高能量窄峰来检测图像的全局周期性。统计方法一般使用强度直方图矩。

设𝑧为表示强度的随机变量，设𝑝(𝑧𝑖), 𝑖 = 0,1,2, … , 𝐿−1 为相应的归一化直方图，其中𝐿为不同强度级别的数量，那么𝑧关于平均数的第𝑛矩为：

𝑚是𝑧的平均值，由下式给出：

二阶矩（𝑛=2）是对强度对比度的衡量，通常用于建立相对强度平滑度的描述符。
三阶矩（𝑛=3）是直方图偏斜度的度量。
四阶矩（𝑛=4）是其相对平整度的度量。
五阶和更高阶矩并不那么容易与直方图形状相关，但是可以提供纹理内容的进一步定量判别。

直方图均匀性由下式给出：

直方图的平均熵由下式给出：

因为𝑝 ∈ [0,1] 并且有：

故在所有强度相等的图像中，𝑈的值最大。熵在这里是可变性的度量，对于恒定的图像熵为0。

下图是一个纹理描述符的示例：

表格中为图中三种类型纹理的统计描述符的值。

平均值仅描述每个区域的平均强度，仅作为强度的粗略概念而有用，而不是纹理。
标准偏差显示强度的可变性。
三阶矩决定直方图的对称性，以及直方图是否向左或向右倾斜。

（3）光谱方法

傅立叶光谱非常适合描述图像中周期性或半周期性二维图案的方向性。光谱中的突出峰值给出了纹理图案的主要方向，峰值在频率平面中的位置给出了图案的基本空间周期。通过滤波消除任何周期性分量，留下非周期性图像元素，然后可以用统计方法来描述。

例如下图是电路板图像的放大部分，可以通过光谱方法显示组件的周期性。

频谱是关于原点对称的，所以只需要考虑频率平面的一半。通过在极坐标 𝑆(𝑟,𝜃) 中表达光谱来简化光谱特征的检测和解释。对于每个方向的𝜃，𝑆(𝑟,𝜃) 是一个一维函数：𝑆𝜃(𝑟)，它给出光谱沿着从原点出发的径向方向的行为（例如，峰值的存在）。同样，对于每个频率𝑟，𝑆𝑟(𝜃)也是一个一维函数，这产生了沿着以原点为中心的圆的行为。我们可以获得全局性的极点函数描述：