图像的三种分形维数的计算方法

   分形维的计算方法比较多,虽然准确度各不相同,但结果都大同小异。最近对这方面做了一些了解,并用在图像的特征提取中。现在总结一下。

   俺们做磕盐的银,转载也要严谨的注明出处,吴有光20111121写于博客:http://blog.sina.com.cn/wuyouguang

1,盒子法(box-counting)【1】

    Gangepain于1986年提出来的。将图像看做三维的曲面,然后计算覆盖的盒子数,即可得到分形维数。

    Step 1:对于一幅MxM的图像,看其看做三维空间的一个曲面。长为M宽为M高为L,其中L为图像的像素级数,一般取L=256.

    Step 2: 将其所在平面(MxM)分为RxR大小的网格,在“高度”这个坐标也进行相同的划分,不过划分的单位为R*L/M。这样,图像所在三维空间就被划分中很多“盒子”。看得出来,这样划分的目的是使长宽方向和高度方向的划分“次数”相同。

    Step 3:在被划分成的每个RxR个网格内,找出最大像素值u和最大像素值b,输出从最小值到最大值,一共要几个盒子才能覆盖住,盒子个数记为n(i,j)——假设当前是第(i,j)个网格。即n(i,j)=[(u-b+R-1)/R],式中[为取整符号].

   Step 4: 对每个RxR的盒子数求和,记为N。即N=sum(n(i,j))。

   Step 5: 此时理论上分形维数D= -logN/logR,当R趋于无穷大时。当现实中R是有限值,所以改变R的值,求出一组N来,应用线性拟合,所得直线的斜率就是D。

  英文版如下

  

2,随机游走法(fractional Brownian motion,FBM)【2】

   这是分形的大牛Mandelbrot在他的“自然界的分形几何”中提出的。

   在这种模型中,图像的灰度值被认为是随机游走的结果,于是就可用fBf模型来建模。

   Step 1:将图像灰度值看做随机游走的结果,设定一个间隔值R(比如R=3),计算G=I(x2,y2)-I(x1,y1),其中要求||(x2,y2)-(x1,y1)||=R。简化计算就是每个点跟他上下左右相邻R的像素点作差。

   Step 2:计算G的期望,就是均值,也就是全部加起来除以总个数,得到E(G)。

   Step 3:理论上,log(E)=(3-D)logR+c,c为常数。为了精确计算,跟上面的方法1一样,取不同的R,最后得到一组对应的E和R,进行线性拟合,得到的斜率就是3-D。

  英文版如下

 

3,频域法【4,5】

   Pentland提出了频域分形维估计方法。

  Step 1:全图做傅里叶变换,则fBf的傅里叶功率谱满足P(f)=f^(-2h-1)=f^(2D-5)。其中h是临时变量,这里无用;D就是分形维数。

  Step 2:在功率谱图上,对相同频率的数值求和,即距离原点为5的点累加为P(5),以此类推。得到P(f)--f函数

  Step 3:对logP(f),logf进行线性拟合,斜率就是2D-5。就可以求出D了。

  英文版如下

  

Bibliography

[1]. Gangepain and C. Roques-Carmes, “Fractal approach to two dimensional and three dimensional surface roughness,” Wear, 1986,vol. 109, pp.119-126

[2]B. B. Mandelbrot, The Fractal Geometry ofNature, San Francisco, CA:Freeman, 1982.

[3] C.-M Wu, Y.-C. Chen, and K.-S. Hsieh, “Texture features for classification of ultrasonic liver images,” IEEE Trans. Med. Imag., vol. 11, pp. 141–152, June 1992.

[4]Alex P. Pentland. Fractal-Based Description of Natural Scenes. IEEE Trans. Pattern Analysis and Machine Intelligence. Vol. Pami-6, No.6, 1984

[5]Nirupam Sarkar and B. B. Chaudhuri. An Efficient Differential Box-Counting Approach to Compute Fractal Dimension of Image. IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS, VOL. 24. NO. I . pp115-120. JANUARY 1994

  • 6
    点赞
  • 72
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
计数法是一种常用的测量分形维数的方法,而MATLAB是一个强大的数值计算工具,可以方便地实现计数法来测量图像中对象的分形维数。下面是使用MATLAB进行计数法测量分形维数的步骤: 1. 首先,我们需要准备一幅图像。可以使用MATLAB的imread函数读取图像文件,或者使用MATLAB提供的示例图像。 2. 接下来,我们需要对图像进行二值化处理,将图像转换为黑白二值图像。可以使用MATLAB的im2bw函数将图像转换为二值图像。 3. 然后,我们需要确定子的大小范围。可以根据图像的尺寸和对象的大小选择合适的子大小范围。 4. 接着,我们需要在图像计算每个子中对象的数量。可以使用MATLAB的imboxfilt函数对图像进行子滤波,然后使用MATLAB的sum函数计算每个子中像素值为1的数量。 5. 然后,我们需要在对数-对数图上绘制子大小与子数量的关系。可以使用MATLAB的loglog函数绘制对数-对数图。 6. 最后,我们可以使用MATLAB的polyfit函数拟合对数-对数图中的数据,并计算斜率。斜率近似等于分形维数。 下面是使用MATLAB进行计数法测量分形维数的示例代码: ```matlab % 读取图像 image = imread('image.jpg'); % 将图像转换为二值图像 bwImage = im2bw(image); % 确定子的大小范围 boxSizes = 2:2:20; % 计算每个子中对象的数量 boxCounts = zeros(size(boxSizes)); for i = 1:length(boxSizes) boxSize = boxSizes(i); boxCounts(i) = sum(imboxfilt(bwImage, boxSize), 'all'); end % 绘制对数-对数图 logBoxSizes = log(boxSizes); logBoxCounts = log(boxCounts); figure; plot(logBoxSizes, logBoxCounts, 'o-', 'LineWidth', 2); xlabel('Log(Box Size)'); ylabel('Log(Box Count)'); title(['Fractal Dimension: ', num2str(fractalDimension)]); grid on; % 使用polyfit计算斜率 p = polyfit(logBoxSizes, logBoxCounts, 1); fractalDimension = p(1); % 显示分形维数 disp(['Estimated fractal dimension: ', num2str(fractalDimension)]); ``` 请注意,上述代码仅为示例,具体的实现可能需要根据实际情况进行调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 10
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