MATLAB中提取多张图片的颜色及纹理特征

已于 2022-04-29 11:10:50 修改
阅读量1.1w 收藏 139
点赞数 17
文章标签： matlab 矩阵 计算机视觉 图像处理 机器学习
于 2022-03-16 17:18:24 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46508095/article/details/123530960
版权
本文介绍如何在MATLAB中批量提取多张图片的颜色和纹理特征，利用灰度共生矩阵进行纹理分析，并通过HSV色彩空间提取颜色特征，最终将特征矩阵保存到Excel表中，方便后续处理。代码示例中需要注意图片数量的索引设置，适用于有8张图片的情况。此外，提供了颜色特征提取函数的改进版，可供参考和修改。
摘要由CSDN通过智能技术生成

MATLAB中提取多张图片的颜色及纹理特征

查了好多资料，纹理特征提取都是单图的，自己拼拼凑凑搞出来了可以同时提取多图的纹理特征（利用灰度共生矩阵），并将最后特征矩阵保存在excel表中，这样在后续特征矩阵拼凑的时候会比较方便一点。
后边加了HSV色彩空间利用颜色直方图法提取颜色特征矩阵，特征矩阵的维数可以根据自己的需要修改，我这里提取了256维。

clear all;
clc;
%**************************************************************************
%                   图像检索——纹理特征
%基于共生矩阵纹理特征提取，d=1,θ=0°,45°,90°,135°共四个矩阵
%所用图像灰度级均为256
%function : T=Texture(Image)
%Image    : 输入图像数据
%T        : 返回15维纹理特征行向量
%**************************************************************************
% function T = Texture(Image)

niiname=dir('C:\Users\Mus\Desktop\处理后的图像\*.png');%输入你图片的地址
str1='C:\Users\Mus\Desktop\处理后的图像\';
for ii=1:8
    str=[str1 niiname(ii).name];
    A = imread(str);
    [xx,yy,zz]=size(A);
    for i=1:zz
       for j=1:yy
           for k=1:xx
               if(A(k,j,i) ~= 0)
                   a=i;
                   break;
               end
           end
       end
    end
     
    G=A(:,:,a);
    Gray=imresize(G,1/40);
    [M,N] = size(Gray);
    %M = 128;
    %N = 128;

    %--------------------------------------------------------------------------
    %1.将各颜色分量转化为灰度
    %--------------------------------------------------------------------------
    % Gray = double(0.3*Image(:,:,1)+0.59*Image(:,:,2)+0.11*Image(:,:,3));

    %--------------------------------------------------------------------------
    %2.为了减少计算量，对原始图像灰度级压缩，将Gray量化成16级
    %--------------------------------------------------------------------------
    for i = 1:M
        for j = 1:N
            for n = 1:256/16
                if (n-1)*16<=Gray(i,j)&&Gray(i,j)<=(n-1)*16+15
                    Gray(i,j) = n-1;
                end
            end
        end
    end

    %--------------------------------------------------------------------------
    %3.计算四个共生矩阵P,取距离为1，角度分别为0,45,90,135
    %--------------------------------------------------------------------------
    P = zeros(16,16,4);
    for m = 1:16
        for n = 1:16
            for i = 1:M
                for j = 1:N
                    if j<N&&Gray(i,j)==m-1&&Gray(i,j+1)==n-1
                        P(m,n,1) = P(m,n,1)+1;
                        P(n,m,1) = P(m,n,1);
                    end
                    if i>1&&j<N&&Gray(i,j)==m-1&&Gray(i-1,j+1)==n-1
                        P(m,n,2) = P(m,n,2)+1;
                        P(n,m,2) = P(m,n,2);
                    end
                    if i<M&&Gray(i,j)==m-1&&Gray(i+1,j)==n-1
                        P(m,n,3) = P(m,n,3)+1;
                        P(n,m,3) = P(m,n,3);
                    end
                    if i<M&&j<N&&Gray(i,j)==m-1&&Gray(i+1,j+1)==n-1
                        P(m,n,4) = P(m,n,4)+1;
                        P(n,m,4) = P(m,n,4);
                    end
                end
            end
            if m==n
                P(m,n,:) = P(m,n,:)*2;
            end
        end
    end

    %%---------------------------------------------------------
    % 对共生矩阵归一化
    %%---------------------------------------------------------
    for n = 1:4
        P(:,:,n) = P(:,:,n)/sum(sum(P(:,:,n)));
    end

    %--------------------------------------------------------------------------
    %4.对共生矩阵计算能量(角二阶矩)、熵、惯性矩（对比度）、相关及逆差距5个纹理参数
    %--------------------------------------------------------------------------
    H = zeros(1,4);
    I = H;
    Ux = H;      
    Uy = H;
    deltaX= H;  
    deltaY = H;
    C =H;
    L=H;
    for n = 1:4
        E(n) = sum(sum(P(:,:,n).^2)); %%能量
        for i = 1:16
            for j = 1:16
                if P(i,j,n)~=0
                    H(n) = -P(i,j,n)*log(P(i,j,n))+H(n); %%熵
                end
                I(n) = (i-j)^2*P(i,j,n)+I(n);  %%惯性矩

                Ux(n) = i*P(i,j,n)+Ux(n); %相关性中μx
                Uy(n) = j*P(i,j,n)+Uy(n); %相关性中μy
            end
        end
    end
    for n = 1:4
        for i = 1:16
            for j = 1:16
                deltaX(n) = (i-Ux(n))^2*P(i,j,n)+deltaX(n); %相关性中σx
                deltaY(n) = (j-Uy(n))^2*P(i,j,n)+deltaY(n); %相关性中σy
                C(n) = i*j*P(i,j,n)+C(n);  
                L(n)=P(i,j,n)^2/(1+(i-j)^2)+L(n);%逆差距
            end
        end
        C(n) = (C(n)-Ux(n)*Uy(n))/deltaX(n)/deltaY(n); %相关性  
    end

    %--------------------------------------------------------------------------
    %求 求能量、熵、惯性矩、相关的均值、标准差和方差作为15维纹理特征
    %--------------------------------------------------------------------------
    a1 = mean(E) ; 
    b1 = sqrt(cov(E));
    c1=var(E);

    a2 = mean(H);
    b2 = sqrt(cov(H));
    c2=var(H);

    a3 = mean(I) ;
    b3 = sqrt(cov(I));
    c3=var(I);

    a4 = mean(C);
    b4 = sqrt(cov(C));
    c4=var(C);
    
    a5=mean(L);
    b5=sqrt(cov(L));
    c5=var(L); 
    
    T(ii,:)={a1,b1,c1,a2,b2,c2,a3,b3,c3,a4,b4,c4,a5,b5,c5};
    
    %将矩阵写入ecxel中
    filename = 'GLCM纹理特征矩阵.xlsx';
    writecell(T,filename,'Sheet',1,'Range','A1');
end




% RGB=imread('greens.jpg'); %将图像格式文件读入为MATLAB图像对象数组数据;
% 16*4*4, 这样提取出来的HSV特征是256维的;
%h是色调，即所处的光谱颜色的位置，取值范围为0-360。该参数用角度量来表示，红（0º）、绿（120º）、蓝（240º）分别相隔120º。互补色分别相差180º。
%s是饱和度（纯度），为一比例值，范围从0到1。它表示成所选颜色的纯度和该颜色最大的纯度之间的比率。S=0时，只有灰度；S=1时为纯色。
%V是色彩的明亮程度，范围从0到1。有一点要注意：它和亮度之间并没有直接的联系。

% function [m]=HSV(RGB)
% [M,N,~] = size(RGB);
% [h,s,v] = rgb2hsv(RGB);
clear all;
clc;
niiname=dir('C:\Users\Mus\Desktop\颜色特征提取图像\*.png');
str1='C:\Users\Mus\Desktop\颜色特征提取图像\';
for ii=1:8
    str=[str1 niiname(ii).name];
    A = imread(str);
    [xx,yy,zz]=size(A);
    for i=1:zz
       for j=1:yy
           for k=1:xx
               if(A(k,j,i) ~= 0)
                   a=i;
                   break;
               end
           end
       end
    end
     
[M,N,~] = size(A);
[h,s,v] = rgb2hsv(A);
 a=zeros(8,256);
H = h; S = s; V = v;
h = h*360;      %转换为HSV格式后h的值变为0-1，所以要乘以360来进行量化
%H量化为16级 S量化为4级 V量化为4级
for i = 1:M
    for j = 1:N
        if h(i,j)<=15||h(i,j)>345
            H(i,j) = 0;
        end
        if h(i,j)<=25&&h(i,j)>15
            H(i,j) = 1;
        end
        if h(i,j)<=45&&h(i,j)>25
            H(i,j) = 2;
        end
        if h(i,j)<=55&&h(i,j)>45
            H(i,j) = 3;
        end
        if h(i,j)<=80&&h(i,j)>55
            H(i,j) = 4;
        end
        if h(i,j)<=108&&h(i,j)>80
            H(i,j) = 5;
        end
        if h(i,j)<=140&&h(i,j)>108
            H(i,j) = 6;
        end
        if h(i,j)<=165&&h(i,j)>140
            H(i,j) = 7;
        end
        if h(i,j)<=190&&h(i,j)>165
            H(i,j) = 8;
        end
        if h(i,j)<=220&&h(i,j)>190
            H(i,j) = 9;
        end
        if h(i,j)<=255&&h(i,j)>220
            H(i,j) = 10;
        end
        if h(i,j)<=275&&h(i,j)>255
            H(i,j) = 11;
        end
        if h(i,j)<=290&&h(i,j)>275
            H(i,j) = 12;
        end
        if h(i,j)<=316&&h(i,j)>290
            H(i,j) = 13;
        end
        if h(i,j)<=330&&h(i,j)>316
            H(i,j) = 14;
        end
        if h(i,j)<=345&&h(i,j)>330
            H(i,j) = 15;
        end
    end
end
for i = 1:M
    for j = 1:N
        if s(i,j)<=0.15&&s(i,j)>0
            S(i,j) = 0;
        end
        if s(i,j)<=0.4&&s(i,j)>0.15
            S(i,j) = 1;
        end
        if s(i,j)<=0.75&&s(i,j)>0.4
            S(i,j) = 2;
        end
        if s(i,j)<=1&&s(i,j)>0.75
            S(i,j) = 3;
        end
    end
end
for i = 1:M
    for j = 1:N
        if v(i,j)<=0.15&&v(i,j)>0
            V(i,j) = 0;
        end
        if v(i,j)<=0.4&&v(i,j)>0.15
            V(i,j) = 1;
        end
        if v(i,j)<=0.75&&v(i,j)>0.4
            V(i,j) = 2;
        end
        if v(i,j)<=1&&v(i,j)>0.75
            V(i,j) = 3;
        end
    end
end
for  i = 1:M
    for j = 1:N
        L(i,j) = H(i,j)*16+S(i,j)*4+V(i,j); %归一化
    end
end
for i = 0:255
    HSVHist(i+1) = size(find(L==i),1);
end
   m(ii,:)=HSVHist/sum(HSVHist); 
   filename = '颜色直方图颜色特征矩阵.xlsx';
    writematrix(m,filename,'Sheet',1,'Range','A1');
end

兄弟们，我看最近很多人评论，说索引不对，在这先解释下上边这个代码的读文件部分是我copy的，这个ii变量是你文件夹里图片的数目，还有那个循环是文件夹里图片数量，我直接写死了，因为我当时做测试只有八张图片。

上边这个代码属实是有点捞了现在，因为当时一直在改，想封装成函数，但是老不对，最后我改出来了，就放在下边了，有问题自己看着改改，然后你也可以加write函数或者是save直接保存成矩阵。读文件的程序我就不贴了，只要能读出来你文件夹里的图片这个应该都能用。


%********************************************
最低0.47元/天 解锁文章
一个什么都不会的辣鸡
关注
【图像颜色纹理特征】基于内容的图像颜色、纹理等特征的提取算法的MATLAB仿真
FPGA/MATLAB学习教程/源码/项目合作开发
05-05 1752
如何用数值表示纷繁复杂的颜色，人们已经进行了许多研究。研究表明，人眼对颜色的感知是三维的，找到符合人眼视觉特征的颜色模型是利用颜色特征进行图像检索的关键。图像的颜色特征不仅取决于图像本身，而且还与观察者的视觉系统和观察经验有关。因此为了准确提取表征原始图像颜色信息，提取算法必须在符合人类视觉系统的生理特征和人类观察经验的视觉感知特征的颜色空间内进行。对彩色图像颜色特征提取的研究，必须在特定的颜色空间中进行。实际应用中常用到的颜色空间很多，比如L*a*b*颜色空间、RGB空间、HSV空间、Mun...
基于MATLAB的图像纹理检测和SVM路面状况分类
最新发布
weixin_50547796的博客
06-27 39
通过提取图像的纹理特征，我们可以对图像进行分类和识别。然后，我们将这些纹理特征用于训练SVM分类器，并使用该分类器对新的纹理特征进行分类。如何使用MATLAB进行图像纹理检测，并将其与支持向量机(SVM)算法相结合，实现对路面状况的分类。图像纹理是图像中的局部空间统计特征，通过提取纹理特征，我们可以对不同类型的图像进行分类和识别。而SVM算法Q是一种常用的机器学习分类方法，可以用于将图像纹理特征映射到不同的类别。这样，我们就可以使用训练好的SVM模型对新的纹理特征进行分类。
matlab常用纹理特征提取方法（GLCM，GLDS）.zip_GLDS_matlab提取纹理_灰度共生矩阵GLCM_纹理特征
07-15
完整代码，改路径即可实现，图像matlab灰度差分统计实现
图像纹理特征提取 matlab 代码
04-19
利用MATLAB提取各种纹理特征
Matlab提取图像的形状、纹理、颜色特征
06-26
Matlab提取图像的形状、纹理、颜色特征，其中纹理特征是用灰度梯度共生矩阵来实现的
l利用matlab进行图像纹理特征提取
09-28
本代码可以实现matlab中的图像纹理特征的提取，图像处理速度较快，处理效果较好。
matlab图像纹理特征提取
A person does not really understand something until after teaching it to a computer. Donald.E.Knuth
03-12 1万+
clear all;clc; ImagePath='D:\Caffe\Examples\WangYu\C2\WithAugment\Data\train_image\'; Images = dir([ImagePath, '*.tif']); PictureNums = length(Images); FitureNums = 8; gray_comatrix=zeros(PictureNums...
matlab常用纹理特征提取方法（GLCM，GLDS，LBP，GMRF，FD，Gabor）
10-27
一些常用的纹理特征提取方法汇总，都是用matlab写的，经过测试后有效。希望对大家有所帮助。
MATLAB中对多张图片提取纹理及颜色特征的主架构程序，超级好用！（包括颜色特征，ULBP、HOG及GLCM）
weixin_46508095的博客
03-13 600
这是个主程序，子函数在后边附着，都是自己经过修改优化的程序。这个程序代码架构很好，清晰明了，往里边再添加模块也不难，代码注释，包括特征矩阵的维度计算方法都有说明，超级好用！
Matlab提取图像的形状、纹理、颜色特征.rar
05-08
本示例是关于如何使用Matlab来提取图像的形状、纹理和颜色特征，特别关注了纹理特征的灰度梯度共生矩阵（Gray-Level Co-occurrence Matrix, GLCM）方法。 首先，让我们详细讨论形状特征。形状特征通常描述了物体...
六种常用纹理特征提取方法MATLAB.rar
06-17
六种主要常用的纹理特征提取方法（GM,GMRF,BC,GLDS,GLCM,LBP），matlab编写，有学习需要的可以参考参考
六种常用纹理特征提取方法MATLAB.7z
03-21
6种常用纹理特征提取方法：LBP、GLCM、GLDS、GMRF、Gabor等 纹理特征的提取分为基于结构的方法和基于统计数据的方法。一个基于结构的纹理特征提取方法是将所要检测的纹理进行建模，在图像中搜索重复的模式。
基于matlab的图像纹理特征提取
05-16
基于matalb的图像纹理特征提取 基于灰度共生矩阵的纹理特征
纹理特征提取Matlab程序
03-15
用统计方式对灰度图像进行纹理特征提取。构造灰度共生矩阵，通过灰度共生矩阵计算纹理特征。本方式提取四个互不相关的特征，纹理角二阶矩、纹理熵、对比度、均匀性。
图像与处理及Tamura纹理特征提取_tamura纹理特征_纹理特征提取_纹理特征_图像处理_纹理图像_
10-01
在图像处理领域，纹理特征是图像分析和理解的关键部分，特别是在模式识别、图像分类和计算机视觉应用中。Tamura纹理特征是一种有效的纹理描述方法，由日本科学家Tamura于1978年提出，用于量化纹理的七个基本特性：...
图像纹理特征提取,图像纹理特征提取算法,matlab
09-10
在图像处理领域，纹理特征提取是一项关键的技术，用于识别和分类图像中的不同区域。它涉及到对图像中的结构、模式和颜色变化的量化分析。在MATLAB这个强大的数值计算环境中，有许多算法可以用来提取图像的纹理特性。...
matlab纹理特征提取代码
热门推荐
Json_Nie的专栏
05-21 2万+
function [t]=statxture(f,scale) if nargin==1 scale(1:6)=1; else scale=scale(1:6)'; end p=imhist(f); %p是256*1的列向量 p=p./numel(f); L=length(p); [v,mu]=statmoments(p,3); %计算六个纹理特征
matlab中图像怎么提取颜色形状纹理特征值
05-17
在matlab中，可以使用Image Processing Toolbox中的函数来提取图像的颜色、形状和纹理特征值。 1. 颜色特征值提取： 可以使用colorhist函数来计算图像的颜色直方图。颜色直方图是一个表示图像颜色分布的特征向量。...
评论 25
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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