数字图像处理笔记⑧——纹理分析

一、纹理分析原理

1.纹理是图像排列的规则。
2.纹理分析：通过一定的图像处理技术从图像中提取纹理特征参数从而获得纹理的定量或定性。
3.纹理分析的关键：（特征提取是纹理分析的基础）

4.纹理分析方法
①统计分析：像素的灰度值为基础
②结构分析：纹理基元为基础
③频谱分析：基于滤波器
④模型分析：用模型系数表达纹理图像

二、laws纹理能量测量法（频谱分析）

1.一阶分析方法，简单有效，但所提供模板较少应用受限
2.原理

3.分析流程

三、自相关函数法（模型分析）

1.纹理模型分析法
一个像素与其领域像素存在某种相互关系，这种关系可以是线性的也可以是服从条件概率的。
2.常用模型
①自相关模型：利用重复性，适合规则的纹理分析

四、灰度共生矩阵法（统计分析）

1.灰度共生矩阵法又称为灰度空间相关矩阵，通过研究灰度的空间相关特性来描述纹理。
**2.矩阵定义：从灰度为i的点离开某个固定位置（相距d，方向为o°）的点上灰度为j的概率。**一般取0，45，90，135°

3.计算规则

例子：

4.纹理特征二次统计量（典型的特征）
①角二阶矩阵（能量）：图像灰度分布均匀性的度量。是灰度共生矩阵元素值的平方和。值大纹理粗，值小纹理细。
②惯性矩（对比度）：图像的清晰度。是表征图象中局部灰度变化总量。对比度大纹理的勾纹越深，图像越清晰。
③相关性：衡量灰度共生矩阵的元素在行的方向或列方向的相似度。相关性越大纹理越粗。
④熵：是图像所有信息量的度量。纹理越多熵越大。
⑤局部均匀性（逆差距）：反应图像纹理的公质性，度量纹理局部变化的多少。