《matlab代码-基于纹理的图片比较》由会员分享，可在线阅读，更多相关《matlab代码-基于纹理的图片比较（5页珍藏版）》请在金锄头文库上搜索。
1、/*4* *1* *1 *1* *1*1* *1* *1 *& *1*1 *1 *4*1 *1*1*1*A* *1* *1*1*1* *1* *t *4*1 *1* *!- *A* *1 *1 *1*4 *1* *1 *1*1*1 *!- *& *1*1Kz/，卜 7，卜 |、，卜 |* |，卜 1、| 1*，卜 1、| 、|* | | 、，卜，卜 | 1* 、，卜 7* T* 1* 、，卜 1*，卜，卜、，卜、，卜 J*1* 、，卜，卜 1* 、，卜 J 1*，卜，卜1* 、7*、，卜%图像检索一一纹理特征%基于共生矩阵纹理特征提取，d=l,O=O ,45 ,90 ,135共四个矩阵 %所用
2、图像灰度级均为256 %参考基于颜色空问和纹理特征的图像检索% function : T=Texture(Image)%Image:输入图j象数据%T:返回八维纹理特征行向量 f! X1 *1*!*1*! l *1* *1* *J:. tXX .1* !* *2!:.t :靡Xt *2*X *1* *f*X 1 *1* !*】*1*Tw T* Tw Tw Tw 7 T* TwTw * Tw TwT* Twv Tw Tw TT* Tw TV X Tw TwTwT* T*T* Tw iV 7 TwGray = imreadCEA 微观图146stamp210X2.JPG);M=size(Gray，
3、l);N=size(Gray,2);%M = 256;%N = 256;0/0%1.将芥颜色分量转化为灰度%Gray = double(0.3*Image(:，:，l)+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 0/0for i = 1:Mforj = 1:Nfor n = 1:256/16if (n-1)*16=Gray(i,j)&Gray(i,j)=(n-1)*16+15 Gray(ij) = n-l;endendendend%3.计算四个共生矩阵P，取距离为1,角度分别为0,45,90，13
4、5%P = zeros(16，16,4);for m = 1:16for n = 1:16for i = 1:M forj = 1:Nif Gray(ij)=m-1if jN&Gray(i,j+l )=n-1P(m,n,l) = P(m，n，l)+1; endif i1 &jN&Gray(i-1，j+1 )=n-1 P(m,n,2) = P(m,n，2)+1;endif iM&Gray(i+l，j)=n-1P(m，n，3) = P(m，n，3)+1;endif iM&j N&Gray (i+1 ,j+1 )=n-1 P(m，n，4) = P(m，n，4)+1;endendendendP(n，m
5、，l) = P(m,n,l);P(n,m,2) = P(m,n,2);P(n，m，3)二 P(m，n，3);P(n，m，4) = P(m,n,4)； if m=nP(m,n,:) = P(m,n,:)*2; endendend%对共生矩阵归一化%for n = 1:4P(:，:，n) = P(:，:，n)/sum(sum(P(:，:，n); end%4.对共生矩阵计算能量、熵、惯性矩、相关4个纹理参数 o/oH = zeros(l，4);I = H;Ux = H; Uy = H;deltaX= H; delta Y = H;C=H;for n = 1:4E(n) = sum(sum(P(:，:
6、,n).A2); %能量 for i = 1:16forj= 1:16if P(i，j，n)=0HOi) = -P(i,j,n)*log(P(i,j,n)+H(n); %熵 endI(n) = (i-j)A2 叩(i，j，n)+I(n); % 惯性矩Ux(n) = i*P(i,j,n)+Ux(n); %相关性中 H x Uy(n) = j*P(i，j，n)+Uy(n); %相关性中 u yendendendfor n = 1:4for i = 1:16forj= 1:16deltaX(n) = (i-Ux(n)A2*P(i,j,n)+deltaX(n); %相关性中 o x deltaY(n)
7、 = (j-Uy(n)A2*P(i,j,n)+deltaY(n); %相关性中 o yendendC(n) = (C(n)-Ux(n)*Uy(n)/deltaX(n)/deltaY(n); %相关性 end%求能量、嫡、惯性矩、相关的均值和标准差作为最终8维纹理特征 0/0T(l) = mean(E);T(2) = mean(H);T(3) = mean(I);T(4) = mcan(C);imgl=TGrayl = imread(D:i(观图146stamp210X3.JPG)；M=sizc(Grayl,l);N=size(Grayl,2);%M = 256;%N = 256;o/o%1.将
8、芥颜色分量转化为灰度%Gray = double(0.3*Image(:,:,l)+0.59*Image(:,:,2)+0.1 PImage(:，:，3); o/o%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 o/ofor i = 1:Mforj = 1:Nfor n = 1:256/16if (n-l)*l 6=Gray l(i，j)&Grayl(i，j)=(n-1 )* 16+15 Grayl(i,j) = n-1;endendendend%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:
9、16for n = 1:16for i = 1:M forj = 1:Nif Grayl(i,j)=m-1if jl &jN&Grayl(i-1 ,j+1 )=n-1 P(m，n，2) = P(m，n，2)+1;endif iM&Grayl(i+1 ,j)=n-1 P(m，n，3) = P(m，n，3)+1;endif iM&jN&Grayl(i+1 ,j+1 )=n-1 P(m，n，4) = P(m，n，4)+1;endendendendP(n，m，l) = P(m,n,l);P(n,m,2) = P(m,n,2);P(n，m，3) = P(m，n，3);P(n，m，4) = P(m，n，4
10、); if m=nP(m,n,:) = P(m,n,:)*2; endendend%对共生矩阵归一化%for n = 1:4P(:，:，n) = P(:，:，n)/sum(sum(P(:，:，n); end%4.对共生矩阵计算能量、熵、惯性矩、相关4个纹理参数 o/oHl = zeros(l，4);II = Hl;Ux = Hl; Uy = Hl;deltaX= Hl; deltaY = Hl;Cl =H1;for n = 1:4El(n) = sum(sum(P(:，:，n).A2); %能量 for i = 1:16for j = 1:16ifP(i，j，n)=0Hl(n) = -P(i，
11、j，n)*log(P(i，j，n)+Hl(n); %嫡 endIl(n) = (i-j)A2*P(i，j，n)+Il ;% 惯性矩Ux(n) = i*P(i,j,n)+Ux(n); %相关性中 U x Uy(n) =j*P(ij,n)+Uy(n); %相关性中 u yendendendfor n = 1:4for i = 1:16forj= 1:16deltaX(n) = (i-Ux(n)A2*P(i,j,n)+deltaX(n); %相关性中 o x deltaY(n) = (j-Uy(n)A2*P(i,j,n)+deltaY(n); %相关性中 o y Cl(n) = i*j*P(i,j,
12、n)+Cl(n);endendCl(n) = (Cl(n)-Ux(n)*Uy(n)/deltaX(n)/deltaY(n); %相关性end0/0%求能量、嫡、惯性矩、相关的均值和标准差作为最终8维纹理特征%Tl(l) = mean(El);Tl(2) = mean(Hl);Tl(3) = mean(Il);Tl(4) = mean(Cl);img2=Tlrange=norm(img 1 -img2)A2Gray = imread(D:微观图146stampl10Xl.JPG)；subplot(2,2,3);imshow(Gray);title(图像 r);Grayl = imrcadCDAi观图146stamp210X3.JPG1);subplot(2,2,4);imshow(Grayl);titleC图像 2);s叩title(strcat(距离为：num2str(range); if range0.001 &range0.01 & range0.02a=randint(l,l,0 30)gtext(两张图像不是同一张图像)endsuptitle(strcat(相似度为:*,num2str(a);
