本周工作是了解了一下纹理特征提取的几种方法:
(1)LBP算法:是一种描述图像局部纹理特征的算子。
原理:以某个像素点为中心,与其邻域像素点共同计算。
关于邻域像素点的选择并不唯一:
①原始的LBP算子定义的是在3*3的窗口内,以窗口中心像素为阈值,将相邻的8个像素点的灰度值与其进行比较。
②后来的LBP算法将相邻的8个像素点位置改成了环形邻域内的8个点,进行顺时针或逆时针的比较。
算法流程:
l 图像划分若干为N × N的图像子块(如16 × 16),计算每个子块中每个像素的LBP值;
l 对每个子块进行直方图统计,得到N × N图像子块的直方图;
l 对所有图像子块的直方图进行归一化处理;
l 连接所有子块的归一化直方图,便得到了整幅图像的纹理特征。
(2)灰度共生矩阵算法: 取图像(N×N)中任意一点 (x,y)及偏离它的另一点 (x+a,
y+b),设该点对的灰度值为 (g1,g2)。令点(x,y) 在整个画面上移动,则会得到各
种 (g1,g2)值,设灰度值的级数为 k,则(g1,g2) 的组合共有 k 的平方种。对于整
个画面,统计出每一种 (g1,g2)值出现的次数,然后排列成一个方阵,再用(g1,g2) 出
现的总次数将它们归一化为出现的概率P(g1,g2) ,这样的方阵称为灰度共生矩阵。
我们一般采用四个最常用的特征来提取图像的纹理特征:能量、对比度、相关度、熵。
a. 能量(角二阶距)
能量是灰度共生矩阵各元素的平方和,又被称角二阶距。它是图像纹理灰度变化均一的度量,反映了图像灰度分布均匀程度和纹理粗细程度。
b. 对比度
对比度是灰度共生矩阵主对角线附近的惯性矩,它体现矩阵的值如何分布,反映了图像的清晰度和纹理沟纹的深浅。
c. 相关度
相关度体现了空间灰度共生矩阵元素在行或列方向上的相似程度,反映了图像局部灰度相关性。
d. 熵
熵体现了图像纹理的随机性。若共生矩阵中所有值都相等,取得最大值;若共生矩阵中的值不均匀,则其值会变得很小。
求出该灰度共生矩阵各个方向的特征值后,再对这些特征值进行均值和方差的计算,这样处理就消除了方向分量对纹理特征的影响。
C. 滑动窗口的移动
一个滑动窗口计算结束后,该窗口就可以移动一个像素点,形成另一个小窗口图像,重复进行上一步的计算,生成新窗口图像的共生矩阵和纹理特征值;
以此类推,滑动窗口遍历完所有的图像像素点后,整个图像就形成了一个由纹理特征值构成的一个纹理特征值矩阵。
之后,就可以将这个纹理特征值矩阵转换成纹理特征图像。