彩色图像特征提取研究(一)
通过函数的MATLAB实现得到如下结果图:
图(4-2)图像的边缘检测
4.3图像分割
图像分割是由图像处理到图像分析的关键步骤,也是一种基本的计算机视觉技术。随的图像处理,诸如特征提取和对象识别,都依赖于图像分割的质量。图像分割就是指把像分成各具特性的区域并提取感兴趣目标的技术和过程。尽管人们在图像分割方面做了许多研究工作,但由于没有通用的分割理论,现己提出的分割算法大都是针对具体问题的,并没有一种适合所有图像的通用分割算法[7]。对于彩色图像分割问题,必须充分利用彩色图像所包含的丰富的色彩信息,选择适当的特征,使目标和背景能依据特征上的差别进行区分,利用这个颜色特征将彩色图像转变成灰度图像,再确定阈值将灰度图像二值化。
4.4纹理特征提取
为了获得较好的分割效果,选择纹理特征时要兼顾图像的局部灰度特性以及像素点彼此之间的灰度依赖性,因此,本文选用以像素点为中心的窗口灰度共生矩阵特征作为该像素点的纹理特征。
灰度共生矩阵(Gray Level Concurrence Matrix)是近年来发展起来的分析纹理特性的有效方法,它反应了图像中任意两点灰度的相关性。灰度共生矩阵被定义为从灰度值为i的像素点离开某个位置关系δ=(⊿X,⊿Y)上点的灰度值为j的距离,两像素的位置关系如图2所示,即k(i,j)={(x,y)|f(x,y)=i且f(x+⊿X,y+⊿Y)=j;x,y=0,1,…,N-1}集合的像素个数。其中,x,y是图像中像素坐标,f(x,y)是该点灰度值,i,j=0,1,…,L-1,L是灰度级数目,⊿X,⊿Y是偏移量。标识图像的纹理特征有很多,常用的统