影像纹理分析

为了定量地描述纹理，需要研究纹理本身可能具有的 特征。纹理分析方法大致分为两大类
统计分析法
统计分析法占 主导
结构分析法
从图像属性的统 计分析出发，对 纹理进行分析
先找出纹理基元， 然后从结构组成 上探索纹理的规 律
纹理区域的分析方法—直方图分析法
以灰度直方图特征，作为纹理区域的特征。灰度直方图形状特征有:
此外，为了研究灰度直方图的相似性，可以比较两种 纹理区域直方图的一些特征，例如：灰度均值、灰度 方差、歪斜度、陡峭度和能量；或比较累积直方图分 布的最大偏差或总偏差
max|H1(g) – H2(g)|
g
最大偏差 总偏差
∑ |H1(g) – H2(g)|
g
对于纹理图像，可从图像求出 边缘或者灰度极大、极小点等 二维局部特征，并利用他们分 布的统计性质进行分析。最好 先对图像微分从而求得边缘， 然后求关于边缘强度和方向的 直方图，并把这些直方图和灰 度直方图组合，作为纹理特征。
Laws深入研究了滤波模板的特点。首先定义了一个维滤波 模板，然后通过卷积形成系列一维、二维滤波模板，用于 检测和度量纹理的结构信息。他选定的三组一维滤波模板 如下图所示
1 × 3模板是构成更大模板的基础，每一个 1×5模板可以由1 ×3模板的卷积产生。1 ×7 模板可以有1 ×3与1 ×5模板卷积产生。模板 转置和模板相乘可生成二维滤波模板。由滤波 模板与图像卷积可以检测不同的纹理能量信息。
以1 × 5模板为基础，模板转置和模板相乘可获得25 个5×5模板。其中最有用的是5 ×5零和模板，即
其中4个有最强性能的模板是：
水平边缘
高频点
V形状wk.baidu.com
垂直边缘
Laws将Brodatz的8种纹理图像拼在一起，对该图像作 纹理能量测量，将每个像素指定为8个可能类中的一 个，正确率达87%。
Laws纹理分析方法简单、有效。但是所提供的模板较少，尚未更多地 给出其变化性质，因此，应用受到一定的限制。
纹理区域：以 纹理特性为主 导的区域，常 称为纹理区域
一般而言，纹理的规律可能是确定性的，也可能是随机性的， 因此纹理可分为确定性纹理和随机性纹理。
根据纹理变化出现的不同尺度范围
若图像中灰度（或 其他量）在小范围 内相当不平稳、不 规则，这种纹理就 称为微纹理
若图像中有明显的 单元结构，整个图 像的纹理是由这些 结构单元按一定规 律形成的，这种纹 理称为宏纹理
Laws纹理能量测量法
若依据单个像素及其领域的灰度或者 某种属性分布去做纹理测量，其方法 称为一阶统计分析方法。 根据一对像素灰度组合分布作纹理测 量的方法，称为二阶统计分析方法。 一阶比二阶简单， 而且正确率更高
一阶统计分析的经典方法----Laws纹理 能量测量法
基本思想：设置两个窗口，一个是微窗口， 可为3 × 3、5 ×5、7 ×7，常取5 ×5 用来测量以像素为中心的小区域的灰度的 不规则性，以形成属性，称为微窗口滤波， 另一个为宏窗口，为15 ×15或者32 ×32， 用来在更大的窗口上求属性的一阶统计量 （常为均值和标准偏差），称为能量变换。 整个纹理分析过程如图所示
第九章 影像纹理分析
思考题：什么是纹理？你能举出例子吗？
请 大 家 思 考
纹理是图像中一个重要而又难以描述 的特征，至今还没有公认的定义
纹理如何分类呢？
天然纹理
人工纹理
有些图像在局部区域呈现不规则性，而在整体上表现出某种规律性
纹理特性：习惯上，把局部 不规则而宏观有规律的特性 称之为纹理特性
纹理图像：以 纹理特性为主 导的图像，常 称为纹理图像