1.图像基本统计分析量
设 f ( i , j ) f(i,j) f(i,j)表示大小为 M × N M \times N M×N的数字图像,则该图像的基本统计量如下。
图像的信息量
一幅图像如果共有k种灰度值,并且各灰度值出现的概率分别为p1,p2,···,pk,根据香农定理,图像的信息量可采用如下公式计算:
H
=
−
∑
i
=
1
k
p
i
l
o
g
2
p
i
H = -\sum_{i=1}^k p_i log_2 p_i
H=−i=1∑kpilog2pi
H称为熵,当图像各灰度值出现概率彼此相等时,图像的熵最大。
图像灰度平均值
灰度平均值指一幅图像中所有的像素灰度值的算术平均:
f
ˉ
=
∑
i
=
0
M
−
1
∑
j
=
0
N
−
1
f
(
i
,
j
)
M
N
\bar f = \frac{\sum_{i=0}^{M-1} \sum_{j=0}^{N-1} f(i, j)}{MN}
fˉ=MN∑i=0M−1∑j=0N−1f(i,j)
图像灰度平均值反映了图像中不同物体的平均反射强度。
图像灰度众数
图像灰度众数是指图像中出现次数最大的灰度值,物理意义是一幅图像中面积占优的物体的灰度信息。
图像灰度中值
数字图像全部灰度级中处于中间的值,当灰度级数为偶数时,取中间两个值的平均值。
图像灰度方差
灰度方差反应各像素灰度值与图像平均灰度值的离散程度:
S
=
∑
i
=
0
M
−
1
∑
j
=
0
N
−
1
[
f
(
i
,
j
)
−
f
ˉ
]
2
M
N
S = \frac{\sum_{i=0}^{M-1} \sum_{j=0}^{N-1} [f(i, j)-\bar f]^2}{MN}
S=MN∑i=0M−1∑j=0N−1[f(i,j)−fˉ]2
与熵类似,图像灰度方差同样是衡量图像信息量大小的主要度量指标,是图像统计特性中最重要的统计量之一,方差越大,图像信息量越大。
图像灰度值域
图像灰度值域是指图像最大灰度值与最小灰度值的差:
f
r
a
n
g
e
(
i
,
j
)
=
f
m
a
x
(
i
,
j
)
−
f
m
i
n
(
i
,
j
)
f_{range}(i,j) = f_{max}(i,j) - f_{min}(i,j)
frange(i,j)=fmax(i,j)−fmin(i,j)
2.数字图像直方图
直方图是统计应用中经常使用的一种工具,主要特点是直观、方便、可视性好。数字图像处理中常常应用灰度直方图表示图像有关的特征信息。灰度直方图指图像中所有灰度出现的次数或频率。
3.多维图像
一幅RGB包含3个波段的灰度图像,一幅遥感图像可包含多达7个波段的灰度图像。对于多波段图像处理,不仅考虑单个波段图像统计特性,还需考虑波段间存在的关联特征。图像波段间的关联特征不仅是图像分析的重要参数,也是图像彩色合成方案的主要依据之一。
协方差
设
f
(
i
,
j
)
f(i,j)
f(i,j)和
g
(
i
,
j
)
g(i,j)
g(i,j)表示大小为
M
×
N
M\times N
M×N的两幅图像,则两者之间的协方差计算公式为:
S
g
f
2
=
S
f
g
2
=
1
M
N
∑
i
=
0
M
−
1
∑
j
=
0
N
−
1
[
f
(
i
,
j
)
−
f
ˉ
]
[
g
(
i
,
j
)
−
g
ˉ
]
S_{gf}^2=S_{fg}^2=\frac {1}{MN} \sum_{i=0}^{M-1} \sum_{j=0}^{N-1}[f(i,j)-\bar f][g(i,j)-\bar g]
Sgf2=Sfg2=MN1i=0∑M−1j=0∑N−1[f(i,j)−fˉ][g(i,j)−gˉ]
其中,
f
ˉ
\bar f
fˉ和
g
ˉ
\bar g
gˉ分别表示
f
(
i
,
j
)
f(i,j)
f(i,j)和
g
(
i
,
j
)
g(i,j)
g(i,j)的均值。N个波段互相间的协方差矩阵用
∑
\sum
∑表示,其定义形式如下:
∑
=
[
S
11
2
S
12
2
…
S
1
N
2
S
21
2
S
22
2
…
S
2
N
2
⋮
⋮
⋱
⋮
S
N
1
2
S
N
2
2
…
S
N
N
2
]
\sum = \left[ \begin{matrix} S_{11}^2 & S_{12}^2 & \dots & S_{1N}^2 \\ S_{21}^2 & S_{22}^2 & \dots & S_{2N}^2 \\ \vdots & \vdots & \ddots & \vdots\\ S_{N1}^2 & S_{N2}^2 & \dots & S_{NN}^2 \\ \end{matrix} \right]
∑=⎣⎢⎢⎢⎡S112S212⋮SN12S122S222⋮SN22……⋱…S1N2S2N2⋮SNN2⎦⎥⎥⎥⎤
相关系数
相关系数放映了两个不同波段图像所含信息的重叠程度,它是表示图像不同波段间相关程度的统计量。如果两个波段的相关系数较大,则表明两个波段具有较高的相关性。一个波段与其本身的相关系数为1,表明相关性达到最大值。当相关系数非常大时,仅选择其中一个波段就可以表示两个波段的信息。相关系数计算公式为:
r
f
g
=
S
f
g
2
S
f
f
S
g
g
r_{fg} = \frac {S_{fg}^2}{S_{ff} S_{gg}}
rfg=SffSggSfg2
S
f
f
S_{ff}
Sff、
S
g
g
S_{gg}
Sgg分别表示图像
f
(
i
,
j
)
f(i,j)
f(i,j)、
g
(
i
,
j
)
g(i,j)
g(i,j)的标准差,
S
f
g
2
S_{fg}^2
Sfg2为图像
f
(
i
,
j
)
f(i,j)
f(i,j)、
g
(
i
,
j
)
g(i,j)
g(i,j)的协方差。N个波段的相关系数矩阵R定义如下:
R
=
[
1
r
12
…
r
1
N
r
21
1
…
r
2
N
⋮
⋮
⋱
⋮
r
N
1
r
N
2
…
1
]
R = \left[ \begin{matrix} 1 & r_{12} & \dots & r_{1N} \\ r_{21} & 1 & \dots & r_{2N} \\ \vdots & \vdots & \ddots & \vdots\\ r_{N1} & r_{N2} & \dots & 1 \\ \end{matrix} \right]
R=⎣⎢⎢⎢⎡1r21⋮rN1r121⋮rN2……⋱…r1Nr2N⋮1⎦⎥⎥⎥⎤