【零散知识】矩,游程长度,自相关函数以及灰度共生矩阵分析(空域纹理分析)

本文介绍了纹理分析中的关键概念,包括矩(图像像素值的总和)、游程长度编码(RLE)、自相关函数(衡量图像像素在特定方向上的相似性)以及灰度共生矩阵(反映图像内容的重复性)。这些特性对于理解和应用纹理分析至关重要。
摘要由CSDN通过智能技术生成

前言:

{

    之前在工作中了解到了纹理分析的相关方法,但也见到了一些从未见过或已经忘记的概念,这次就来记录一下这些概念。

}

 

正文:

{

    moment)的一组数据的一种属性,其定义如式1[1]。

式1

    其中是f(x)的n阶矩;如果没特别说明,c一般为0。

    可见,像图像这样的离散数据,其0阶具就是其像素值的总和。

 

    游程长度编码Run-length encodingRLE)很简单,就是把一个方向上连续相同的元素变成个数+元素的形式。例如在[2]中,WWWWWWWWWWWWBWWWWWWWWWWWWBBBWWWWWWWWWWWWWWWWWWWWWWWWBWWWWWWWWWWWWWW被变成12W1B12W3B24W1B14W

    由此可见,图像的某一方向的游程长度也可以作为此图像的特征。<

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值