【算法知识总结】Tamura纹理特征的前世今生

Tamura 纹理特征

我这篇文章主要是参考的Tamura纹理特征的matlab实现。本来没打算写这篇博客的，结果在写文章的时候各种找文献资料，都很难找到比较好的解释Tamura的文章。很多人的文章都是含糊其辞，要么就是排版稀烂，没法看。实在受不了自己写一个高大全的Tamura特征的博客，既方便自己也方便别人。

• 原始出处
• 原理解释
• 代码展示

---

原始出处

最原始的Tamura的论文《Textural Features Corresponding to Visual Perception》，IEEE上的这篇论文，可以直接下载。
Tamura纹理特征在一些中文论文中也有出现，也有解释的不错的，我推荐*《Tamura纹理特征在水下目标分类中的应用》*但是基本都避开了Tamura特征中线性相关的三个特征。
我在网上还找了一个讲纹理特征计算的博客，里面讲了Tamura纹理特征，还算是比较细致的，也不错。

原理解释

Tamura纹理特征包括六个指标：$粗糙度（Coarseness）、对比度（Contrast）、方向度（Directionality）、线性度（Linelikeness）、规则度（Regularity）、粗略度（Roughness）$，一般论文里面只用前三个特征，说前面三个特征是线性无关的，后面三个特征和前面三个特征是线性相关的，因此只采用前三个特征。但是我发现其实线性度这个特征还是比较难解释的，单纯观察看到的代码而言。

$ 粗糙度（Coarseness）$

粗糙度是反映纹理中粒度的一个量，是最基本的纹理特征。当两种纹理特征模式知识基元尺寸不同时，具有较大基元尺寸的模式给人感觉更粗糙。粗糙度的计算可以分为以下几个步骤进行：
.

1. 计算图像中大小为$2^k\times 2^k$个像素的活动窗口中像素的平均强度值，公式：
   $A_k(x,y)={\sum }_{i=x-2^{k-1}}^{x+2^{k-1}-1}{\sum }_{j=y-2^{k-1}}^{y+2^{k-1}-1}g($