第5章图像特征提取与分析剖析课件

《第5章图像特征提取与分析剖析课件》由会员分享，可在线阅读，更多相关《第5章图像特征提取与分析剖析课件（142页珍藏版）》请在金锄头文库上搜索。

1、第第4 4章章 图像特征图像特征提取与分析提取与分析 第第4 4章章 图图像像特特征征提提取取与与分分析析第第4章章图像特征提取与分析图像特征提取与分析本章重点：本章重点：M图像特征及特征提取的基本概念。图像特征及特征提取的基本概念。M常见的图像特征提取与描述方法，如常见的图像特征提取与描述方法，如 颜色特征、纹理特征和几何形状特征颜色特征、纹理特征和几何形状特征 提取与描述方法。提取与描述方法。第第4 4章章 图图像像特特征征提提取取与与分分析析4.1 4.1 引言引言 4.2 4.2 颜色特征的提取与表示颜色特征的提取与表示 4.3 4.3 纹理特征的提取与表示纹理特征的提取与表示 4.4

2、 4.4 形状特征的提取与表示形状特征的提取与表示 4.5 4.5 小结小结第第4章章图像特征提取与分析图像特征提取与分析第第4 4章章 图图像像特特征征提提取取与与分分析析4.1 4.1 引引 言言 4.1.1 4.1.1 基本概念基本概念 特征特征 从广义上讲，图像的特征包括基于文本的特征从广义上讲，图像的特征包括基于文本的特征（如关键字、注释等）和视觉特征（如色彩、纹理、（如关键字、注释等）和视觉特征（如色彩、纹理、形状、对象表面等）两类。形状、对象表面等）两类。 视觉特征分类：颜色视觉特征分类：颜色(color)(color)、形状、形状(shape)(shape)、纹理纹理(text

3、ure)(texture)等等 第第4 4章章 图图像像特特征征提提取取与与分分析析特征形成特征形成 根据待识别的图像，通过计算产生一组原始特根据待识别的图像，通过计算产生一组原始特征，称之为特征形成。征，称之为特征形成。特征提取特征提取 原始特征的数量很大，或者说原始样本处于一原始特征的数量很大，或者说原始样本处于一个高维空间中，通过映射或变换的方法可以将高维个高维空间中，通过映射或变换的方法可以将高维空间中的特征描述用低维空间的特征来描述，这个空间中的特征描述用低维空间的特征来描述，这个过程就叫特征提取。过程就叫特征提取。4.1.1 4.1.1 基本概念基本概念 第第4 4章章 图图像像特

4、特征征提提取取与与分分析析特征选择特征选择 从一组特征中挑选出一些最有效的特征以达到降从一组特征中挑选出一些最有效的特征以达到降低特征空间维数的目的，这个过程就叫特征选择。低特征空间维数的目的，这个过程就叫特征选择。 选取的特征应具有如下特点：选取的特征应具有如下特点：可区别性可区别性可靠性可靠性独立性好独立性好数量少数量少4.1.1 4.1.1 基本概念基本概念 第第4 4章章 图图像像特特征征提提取取与与分分析析特征选择和提取的基本任务特征选择和提取的基本任务如何从众多特征中找出最有效的特征。如何从众多特征中找出最有效的特征。图像特征提取的方法图像特征提取的方法低层次：形状、纹理、颜色、轮

5、廓等图像某一方面低层次：形状、纹理、颜色、轮廓等图像某一方面的特征。的特征。 中层次：中层次：高层次：高层次：在图像中层次特征基础上的再一次抽象，在图像中层次特征基础上的再一次抽象，赋予图像一定的赋予图像一定的语义语义信息。信息。 4.1.1 4.1.1 基本概念基本概念 第第4 4章章 图图像像特特征征提提取取与与分分析析4.1.2 4.1.2 应应 用用 基于内容的图像检索基于内容的图像检索(CBIR，Content-Based Image Retrieval) M研究背景：研究背景：FCBIR是目前多媒体、信息检索、人工智能、是目前多媒体、信息检索、人工智能、数据库等领域共同关注的一个重

6、要研究领域；数据库等领域共同关注的一个重要研究领域；F源于改进源于改进基于文本的图像检索技术（基于文本的图像检索技术（text-text-based image retrievalbased image retrieval） 的不足；的不足； 第第4 4章章 图图像像特特征征提提取取与与分分析析4.1.2 4.1.2 应应 用用M研究内容：研究内容：F图像的内容是指物体、背景、构成、颜色等；图像的内容是指物体、背景、构成、颜色等；F是一种基于图像固有属性的机械匹配是一种基于图像固有属性的机械匹配 ； M步骤步骤 特征提取特征提取 图像匹配图像匹配 结果输出结果输出 特征调整特征调整 第第4 4

7、章章 图图像像特特征征提提取取与与分分析析4.1.2 4.1.2 应应 用用 M体系结构体系结构 系统的核心是图像特征数据库。系统的核心是图像特征数据库。 第第4 4章章 图图像像特特征征提提取取与与分分析析M研究现状研究现状 目前目前CBIR技术主要集中在技术主要集中在颜色、纹理、形状颜色、纹理、形状等等低层物理特征提取的基础上。基于高层语义的检索低层物理特征提取的基础上。基于高层语义的检索正有待研究。正有待研究。4.1.2 4.1.2 应应 用用 M方法分类方法分类 基于颜色特征的检索基于颜色特征的检索 基于纹理特征的检索基于纹理特征的检索 基于形状特征的检索基于形状特征的检索第第4 4章

8、章 图图像像特特征征提提取取与与分分析析第第4 4章章 图图像像特特征征提提取取与与分分析析4.2 4.2 颜色特征的提取与表示颜色特征的提取与表示 4.2.1 4.2.1 引言引言4.2.2 4.2.2 颜色直方图颜色直方图 4.2.3 4.2.3 颜色矩颜色矩4.2.4 4.2.4 颜色集颜色集4.2.5 4.2.5 颜色聚合向量颜色聚合向量4.2.6 4.2.6 颜色相关图颜色相关图 第第4 4章章 图图像像特特征征提提取取与与分分析析4.2.1 4.2.1 引言引言 u颜色特征的特点颜色特征的特点颜色与图像中包含的物体或场景关系密切；颜色与图像中包含的物体或场景关系密切；颜色特征对图像

9、尺寸、方向、视角等的依赖性小；颜色特征对图像尺寸、方向、视角等的依赖性小；u需要解决的两个问题需要解决的两个问题选择合适的颜色空间计算颜色特征选择合适的颜色空间计算颜色特征选择合适的方法将颜色特征量化选择合适的方法将颜色特征量化u表示的主要方法表示的主要方法 颜色直方图、主色调、颜色矩、颜色集、聚类颜色直方图、主色调、颜色矩、颜色集、聚类 第第4 4章章 图图像像特特征征提提取取与与分分析析4.2.2 4.2.2 颜色直方图颜色直方图 J设设一一幅幅图图像像包包含含M个个像像素素，图图像像的的颜颜色色空空间间被被量化成量化成N个不同颜色。颜色直方图个不同颜色。颜色直方图H定义为：定义为： hi

10、为第为第i种颜色在整幅图像中具有的像素数。种颜色在整幅图像中具有的像素数。J归一化为：归一化为： (1)(1)概念概念第第4 4章章 图图像像特特征征提提取取与与分分析析(2)(2)特点特点4.2.2 4.2.2 颜色直方图颜色直方图 |包含了图像中的颜色信息；包含了图像中的颜色信息；|描述的是不同颜色在整幅图像中所占的比例，而描述的是不同颜色在整幅图像中所占的比例，而不关心每种颜色的空间位置；不关心每种颜色的空间位置；|通过对图像中的像素进行遍历即可建立；通过对图像中的像素进行遍历即可建立；|对于平移、旋转、尺度的变化和部分遮挡情况具对于平移、旋转、尺度的变化和部分遮挡情况具有不变性；有不变

11、性；第第4 4章章 图图像像特特征征提提取取与与分分析析4.2.2 4.2.2 颜色直方图颜色直方图 (3) (3) 建立建立J选择合适的颜色空间选择合适的颜色空间 由由于于RGB颜颜色色空空间间与与人人的的视视觉觉不不一一致致，可可将将RGB空空间间转转换换到到视视觉觉一一致致性性空空间间。除除了了HSI空空间间外，还可以采用一种更简单的颜色空间：外，还可以采用一种更简单的颜色空间： 这里，这里，max=255。 第第4 4章章 图图像像特特征征提提取取与与分分析析4.2.2 4.2.2 颜色直方图颜色直方图 J颜色量化：颜色量化：F将颜色空间划分为若干个小的颜色区间，每个将颜色空间划分为若

12、干个小的颜色区间，每个小区间成为直方图的一个小区间成为直方图的一个bin（柱状图中每个柱所（柱状图中每个柱所在的区间）；在的区间）；F方法：向量量化、聚类方法、神经网络方法等；方法：向量量化、聚类方法、神经网络方法等；J计算落在每个小区间内像素的数量，得到颜色直计算落在每个小区间内像素的数量，得到颜色直方图。方图。(3)(3)建立建立第第4 4章章 图图像像特特征征提提取取与与分分析析4.2.2 4.2.2 颜色直方图颜色直方图 (4) (4) 区分颜色直方图和灰度直方图区分颜色直方图和灰度直方图灰度直方图示例灰度直方图示例 第第4 4章章 图图像像特特征征提提取取与与分分析析4.2.2 4.

13、2.2 颜色直方图颜色直方图 (5)(5)小结小结J优点：计算简单优点：计算简单, ,对平移和旋转不敏感对平移和旋转不敏感, ,能简单描述能简单描述 一幅图像中颜色的全局分布。一幅图像中颜色的全局分布。J缺点：无法捕捉颜色组成之间的空间关系缺点：无法捕捉颜色组成之间的空间关系, ,丢失了丢失了 图像的空间信息。图像的空间信息。 第第4 4章章 图图像像特特征征提提取取与与分分析析4.2.3 4.2.3 颜色矩颜色矩 颜色矩是以数学方法为基础的，通过计算矩颜色矩是以数学方法为基础的，通过计算矩来描述颜色的分布。来描述颜色的分布。 颜色矩通常直接在颜色矩通常直接在RGB空间计算。空间计算。 颜色分

14、布的前三阶矩表示为：颜色分布的前三阶矩表示为：第第4 4章章 图图像像特特征征提提取取与与分分析析4.2.3 4.2.3 颜色矩颜色矩 特点特点 n图像的颜色矩有九个分量（图像的颜色矩有九个分量（3 3个颜色分量，每个分个颜色分量，每个分量上量上3 3个低阶矩）；个低阶矩）；n与其它颜色特征相比非常简洁；与其它颜色特征相比非常简洁；n分辨力较弱；分辨力较弱；n颜色矩一般和其它特征结合使用，起到缩小范围的颜色矩一般和其它特征结合使用，起到缩小范围的作用。作用。第第4 4章章 图图像像特特征征提提取取与与分分析析定义：定义： 设设BM是是M维的二值空间，在维的二值空间，在BM空间的每个空间的每个轴

15、对应唯一的索引轴对应唯一的索引m。一个颜色集就是一个颜色集就是BM二值空二值空间中的一个二维矢量，它对应着对颜色间中的一个二维矢量，它对应着对颜色m的选择，的选择，即颜色即颜色m出现时，出现时，cm=1,否则，否则，cm=0。4.2.4 4.2.4 颜色集颜色集 第第4 4章章 图图像像特特征征提提取取与与分分析析4.2.4 4.2.4 颜色集颜色集 实现步骤：实现步骤： 对于对于RGB空间中任意图像，它的每个像素可以空间中任意图像，它的每个像素可以表示为一个矢量表示为一个矢量 。 变换变换T将其变换到另一与人视觉一致的颜色空间将其变换到另一与人视觉一致的颜色空间 ，即，即 。 采用量化器采用

16、量化器QM对对 重新量化，使得视觉上明重新量化，使得视觉上明显不同的颜色对应着不同的颜色集，并将颜色集映显不同的颜色对应着不同的颜色集，并将颜色集映射成索引射成索引m。第第4 4章章 图图像像特特征征提提取取与与分分析析与颜色直方图的关系：与颜色直方图的关系： 颜色集可以通过对颜色直方图设置阈值直接生成。颜色集可以通过对颜色直方图设置阈值直接生成。如对于一颜色如对于一颜色m，给定阈值给定阈值 m，颜色集与直方图的关，颜色集与直方图的关系如下：系如下：因此，颜色集表示为一个二进制向量。因此，颜色集表示为一个二进制向量。 4.2.4 4.2.4 颜色集颜色集 第第4 4章章 图图像像特特征征提提取

17、取与与分分析析4.2.4 4.2.4 颜色集颜色集 颜色集同时考虑了颜色空间的选择和颜色颜色集同时考虑了颜色空间的选择和颜色 空间的划分。空间的划分。 使用颜色集表示颜色信息时，通常采用使用颜色集表示颜色信息时，通常采用 HSI颜色空间。颜色空间。第第4 4章章 图图像像特特征征提提取取与与分分析析4.2.5 4.2.5 颜色聚合向量颜色聚合向量 颜色直方图的一种演变，核心思想是将属于直颜色直方图的一种演变，核心思想是将属于直方图每个颜色区间的像素分为两部分，如果该区间方图每个颜色区间的像素分为两部分，如果该区间中的某些像素所占据的连续区域面积大于给定的阈中的某些像素所占据的连续区域面积大于给

18、定的阈值，则该区域内的像素作为聚合像素，否则为非聚值，则该区域内的像素作为聚合像素，否则为非聚合像素。表示为：合像素。表示为：其中其中i与与i分别代表直方图的第分别代表直方图的第i个个bin中聚合像素中聚合像素和非聚合像素的数量。和非聚合像素的数量。 第第4 4章章 图图像像特特征征提提取取与与分分析析4.2.6 4.2.6 颜色相关图颜色相关图|不仅刻画了某一种颜色的像素占整个图像的比例，不仅刻画了某一种颜色的像素占整个图像的比例， 还反映了不同颜色对之间的空间相关性；还反映了不同颜色对之间的空间相关性；|颜色相关图可以看作是一张用颜色对颜色相关图可以看作是一张用颜色对索引的索引的 表，其中

19、表，其中的第的第k个分量表示颜色为个分量表示颜色为c(i)的像素和的像素和 颜色为颜色为c(j)的像素之间的距离小于的像素之间的距离小于k的的概率概率；第第4 4章章 图图像像特特征征提提取取与与分分析析4.2.6 4.2.6 颜色相关图颜色相关图 设设I表示整张图像的全部像素，表示整张图像的全部像素，Ic(i) 则表示颜色为则表示颜色为c(i)的所有像素。颜色相关图可以表达为：的所有像素。颜色相关图可以表达为： 其中其中 i, j 1, 2, , N，k 1, 2, , d，| p1 p2 | 表示像素表示像素p1和和p2之间的距离。之间的距离。 第第4 4章章 图图像像特特征征提提取取与与

20、分分析析4.3 4.3 图像的纹理分析技术图像的纹理分析技术 纹理纹理 纹理纹理指的是图像像素指的是图像像素灰度灰度或或颜色颜色的某种变化。的某种变化。4.3.1 4.3.1 引言引言 Texture tells us information about spatial arrangement of the colors or intensities in an image. 具有周期性；具有周期性；不依赖于颜色或亮度不依赖于颜色或亮度 ；第第4 4章章 图图像像特特征征提提取取与与分分析析4.3.1 4.3.1 引言引言几种纹理图像几种纹理图像第第4 4章章 图图像像特特征征提提取取与与分分

21、析析4.3.1 4.3.1 引言引言包含多个纹理区域的图像包含多个纹理区域的图像第第4 4章章 图图像像特特征征提提取取与与分分析析一些典型的纹理图像一些典型的纹理图像4.3.1 4.3.1 引言引言第第4 4章章 图图像像特特征征提提取取与与分分析析纹理特征纹理特征F纹理特征是从图像中计算出来的一个值，对纹理特征是从图像中计算出来的一个值，对区域区域内部内部灰度灰度级变化的特征级变化的特征进行量化。进行量化。F是一种是一种全局特征全局特征，仅利用纹理特征无法获得高层次图像内，仅利用纹理特征无法获得高层次图像内容。容。F不是基于像素点的特征，需要在包含多个像素点的不是基于像素点的特征，需要在包

22、含多个像素点的区域区域中中进行统计计算。进行统计计算。F具有具有旋转不变性旋转不变性，且对噪声有较强的抵抗能力。，且对噪声有较强的抵抗能力。F当图像分辨率变化的时候，计算出来的纹理可能会有较大当图像分辨率变化的时候，计算出来的纹理可能会有较大偏差。偏差。F适用于检索具有粗细、疏密等方面较大差别的纹理图像。适用于检索具有粗细、疏密等方面较大差别的纹理图像。 4.3.1 4.3.1 引言引言第第4 4章章 图图像像特特征征提提取取与与分分析析4.3.1 4.3.1 引言引言纹理特征的表示纹理特征的表示 (1)Haralick(1)Haralick等用等用共生矩阵共生矩阵来表示纹理特征；来表示纹理特

23、征； (2)Tamura(2)Tamura纹理特征：纹理特征：M基于人类对纹理的基于人类对纹理的视觉感知视觉感知心理学研究；心理学研究；M包含包含6 6个分量：粗糙度、对比度、方向度、线像度、个分量：粗糙度、对比度、方向度、线像度、规整度及粗略度；规整度及粗略度；M6 6个分量对应于心理学角度上纹理特征的个分量对应于心理学角度上纹理特征的6 6种属性；种属性；第第4 4章章 图图像像特特征征提提取取与与分分析析4.3.1 4.3.1 引言引言纹理分析纹理分析F定义：通过一定的图像处理技术抽取出纹理特征，定义：通过一定的图像处理技术抽取出纹理特征，从而获得纹理的从而获得纹理的定量或定性定量或定性

24、描述的处理过程。描述的处理过程。F基本过程：从像素出发，在纹理图像中提取出一基本过程：从像素出发，在纹理图像中提取出一些辨识力比较强的特征，作为检测出的纹理基元，些辨识力比较强的特征，作为检测出的纹理基元，并找出纹理基元排列的信息，建立纹理基元模型，并找出纹理基元排列的信息，建立纹理基元模型，然后再利用此纹理基元模型对纹理图像进一步分割、然后再利用此纹理基元模型对纹理图像进一步分割、分类或是辨识等处理。分类或是辨识等处理。第第4 4章章 图图像像特特征征提提取取与与分分析析4.3.1 4.3.1 引言引言纹理特征描述方法分类纹理特征描述方法分类 （1 1）统计方法）统计方法灰度共生矩阵灰度共生

25、矩阵 （2 2）几何法）几何法纹理基元纹理基元 （3 3）模型法）模型法构造图像的模型构造图像的模型 （4 4）信号处理法）信号处理法第第4 4章章 图图像像特特征征提提取取与与分分析析纹理特征的提取与匹配纹理特征的提取与匹配 4.3.1 4.3.1 引言引言FTamura Tamura 纹理特征纹理特征F自回归纹理模型自回归纹理模型F小波变换小波变换 F灰度共生矩阵灰度共生矩阵第第4 4章章 图图像像特特征征提提取取与与分分析析4.3.2 Tamura 4.3.2 Tamura 纹理特征纹理特征 n基于人类对纹理的视觉感知心理学研究；基于人类对纹理的视觉感知心理学研究；n其其6个分量对应于心

26、理学角度上纹理特征的个分量对应于心理学角度上纹理特征的6种属性；种属性；n粗糙度，对比度，方向度，线像度，规整度粗糙度，对比度，方向度，线像度，规整度以及粗略度；以及粗略度；第第4 4章章 图图像像特特征征提提取取与与分分析析粗糙度粗糙度1. 计算图像中各像素在大小为计算图像中各像素在大小为2k2k邻域中的邻域中的均值；均值；4.3.2 Tamura 4.3.2 Tamura 纹理特征纹理特征 k=1,2,5；g(i, j)是位于是位于(i, j)的像素灰度值的像素灰度值第第4 4章章 图图像像特特征征提提取取与与分分析析2. 计算每个像素在水平和垂直方向上互不重叠的计算每个像素在水平和垂直方

27、向上互不重叠的窗口之间的均值之差；窗口之间的均值之差；3. 对每个像素，能使对每个像素，能使E值（无论方向）达到最大值（无论方向）达到最大的的k值用来设置最佳尺寸；值用来设置最佳尺寸；粗糙度粗糙度4.3.2 Tamura 4.3.2 Tamura 纹理特征纹理特征 第第4 4章章 图图像像特特征征提提取取与与分分析析4. 对于整幅图像（大小为对于整幅图像（大小为mn）中的每个像素，）中的每个像素，计算计算Sbest的平均值得到粗糙度的数值：的平均值得到粗糙度的数值：粗糙度粗糙度4.3.2 Tamura 4.3.2 Tamura 纹理特征纹理特征 第第4 4章章 图图像像特特征征提提取取与与分分

28、析析对粗糙度的描述只有一个数值，它反映的是一幅图像对粗糙度的描述只有一个数值，它反映的是一幅图像平均的粗糙程度。平均的粗糙程度。对于纹理图像具有一致基元尺寸时，这种描述是最优对于纹理图像具有一致基元尺寸时，这种描述是最优的。的。对具有不同尺寸分布的纹理图像，这种描述将损失大对具有不同尺寸分布的纹理图像，这种描述将损失大量图像信息。量图像信息。第第4 4章章 图图像像特特征征提提取取与与分分析析方向度方向度1. 计算每个像素的梯度向量，梯度向量的模和计算每个像素的梯度向量，梯度向量的模和方向分别为：方向分别为：4.3.2 Tamura 4.3.2 Tamura 纹理特征纹理特征 其中两个其中两个

29、delta值分别是通过图像卷积下列两个操作值分别是通过图像卷积下列两个操作符所得到的水平和垂直方向上的变化量定义的：符所得到的水平和垂直方向上的变化量定义的：第第4 4章章 图图像像特特征征提提取取与与分分析析2. 构造方向构造方向( 值值)的直方图；的直方图；q该直方图对于具有明显方向性的图像会表现出该直方图对于具有明显方向性的图像会表现出峰值，对于无明显方向的图像则表现的比较峰值，对于无明显方向的图像则表现的比较平坦。平坦。3. 计算图像总体的方向性。计算图像总体的方向性。q再通过一个公式计算直方图中峰值的尖锐程度再通过一个公式计算直方图中峰值的尖锐程度得到图像总的方向性得到图像总的方向性

30、方向度方向度4.3.2 Tamura 4.3.2 Tamura 纹理特征纹理特征 第第4 4章章 图图像像特特征征提提取取与与分分析析对比度对比度对比度是通过对像素强度分布情况的统计得到的。对比度是通过对像素强度分布情况的统计得到的。 其中其中4 = 4/4，4 是四阶中心矩，而是四阶中心矩，而2是方差。是方差。 4.3.2 Tamura 4.3.2 Tamura 纹理特征纹理特征 第第4 4章章 图图像像特特征征提提取取与与分分析析4.3.4 4.3.4 基于小波变换的纹理特征基于小波变换的纹理特征 n对一幅图像进行小波对一幅图像进行小波分解，得到一系列的分解，得到一系列的小波系数；小波系数

31、；n例如一幅例如一幅16161616的图的图像经过三层小波分解，像经过三层小波分解，可得到十块小波分解可得到十块小波分解结果，共结果，共256256个系数；个系数；小波分解示意图小波分解示意图第第4 4章章 图图像像特特征征提提取取与与分分析析4.3.4 4.3.4 基于小波变换的纹理特征基于小波变换的纹理特征 n分解出来的子图像称为小波分解通道，共有四分解出来的子图像称为小波分解通道，共有四种小波通道：种小波通道：LLLL，LHLH，HLHL以及以及HHHH；n每个通道对应于原始图像在不同尺度（频率）每个通道对应于原始图像在不同尺度（频率）和方向下的信息：和方向下的信息：qLL LL 图像在

32、水平低频和垂直低频下的信息；图像在水平低频和垂直低频下的信息；qLH LH 图像在水平低频和垂直高频下的信息；图像在水平低频和垂直高频下的信息；qHL HL 图像在水平高频和垂直低频下的信息；图像在水平高频和垂直低频下的信息；qHH HH 图像在水平高频和垂直高频下的信息；图像在水平高频和垂直高频下的信息；第第4 4章章 图图像像特特征征提提取取与与分分析析4.3.4 4.3.4 基于小波变换的纹理特征基于小波变换的纹理特征 n当图像在某个频率和方向下具有比较明显的纹当图像在某个频率和方向下具有比较明显的纹理特征时，与之对应的小波通道的输出就具有理特征时，与之对应的小波通道的输出就具有较大的能

33、量；较大的能量；n纹理特征可以由小波通道的能量和方差来表示：纹理特征可以由小波通道的能量和方差来表示：第第4 4章章 图图像像特特征征提提取取与与分分析析nHHHH通道反映的是图像的高频特征，包含了大部通道反映的是图像的高频特征，包含了大部分的噪声，不适合用于纹理的提取；分的噪声，不适合用于纹理的提取；使用阴影部分的七使用阴影部分的七个通道进行纹理分个通道进行纹理分析。析。4.3.4 4.3.4 基于小波变换的纹理特征基于小波变换的纹理特征 第第4 4章章 图图像像特特征征提提取取与与分分析析4.3.5 4.3.5 空间灰度共生矩阵空间灰度共生矩阵 灰度共生矩阵就是从灰度共生矩阵就是从NN的图

34、像的图像f(x,y)的灰度为的灰度为i的像素出发，统计与距离为的像素出发，统计与距离为 =(dx2+dy2)1/2，灰度，灰度为为 j的像素同时出现的概率的像素同时出现的概率P(i,j, , )。用数学表。用数学表达式则为：达式则为： 灰度共生矩阵的像素对灰度共生矩阵的像素对 第第4 4章章 图图像像特特征征提提取取与与分分析析0 0o o方向灰度共生矩阵计算示意图方向灰度共生矩阵计算示意图 一幅数字灰度图像一幅数字灰度图像0 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 12 2 2 2 2 2 3 32 2 2 2 2 2

35、 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 30 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 12 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 3(1)(1)各个方向的灰度共生矩阵各个方向的灰度共生矩阵 当当 =0 时，时，dx=1,dy=0，由于所给图像中只有，由于所给图像中只有4个灰度级，因此所求得的灰度共生矩阵的大小为个灰度级，因此所求得的灰度共生矩阵的大小为44。4.3.5 4.3.5 空间灰度共生矩阵空间灰度共生矩阵 第第4

36、 4章章 图图像像特特征征提提取取与与分分析析4545o o方向灰度共生矩阵计算示意图方向灰度共生矩阵计算示意图 0 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 12 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 3当当 =45 时，时，dx=1,dy=-1当当 =90 时，时，dx=0,dy=-10 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 12 2 2 2 2 2 3 32 2 2

37、2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 39090o o方向灰度共生矩阵计算示意图方向灰度共生矩阵计算示意图 (1)(1)各个方向的灰度共生矩阵各个方向的灰度共生矩阵4.3.5 4.3.5 空间灰度共生矩阵空间灰度共生矩阵 第第4 4章章 图图像像特特征征提提取取与与分分析析135135o o方向灰度共生矩阵计算示意图方向灰度共生矩阵计算示意图 0 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 10 0 0 0 1 1 1 12 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2 2 2 2 2 3 32 2

38、 2 2 2 2 3 3当当 =135 时，时，dx=-1,dy=-1(1)(1)各个方向的灰度共生矩阵各个方向的灰度共生矩阵4.3.5 4.3.5 空间灰度共生矩阵空间灰度共生矩阵 第第4 4章章 图图像像特特征征提提取取与与分分析析灰度共生矩阵计算结果：灰度共生矩阵计算结果：(1)(1)各个方向的灰度共生矩阵各个方向的灰度共生矩阵4.3.5 4.3.5 空间灰度共生矩阵空间灰度共生矩阵 第第4 4章章 图图像像特特征征提提取取与与分分析析n用用于于测测量量灰灰度度级级分分布布随随机机性性的的一一种种特特征征参参数数叫叫做熵。做熵。n熵熵值值是是图图像像内内容容随随机机性性的的量量度度，熵熵

39、值值大大表表示示随随机性比较强。机性比较强。n若若图图像像没没有有任任何何纹纹理理，则则灰灰度度共共生生矩矩阵阵几几乎乎为为零零矩矩阵阵，则则熵熵值值接接近近为为零零；若若图图像像有有较较多多的的细细小小纹纹理理，则则灰灰度度共共生生矩矩阵阵中中的的数数值值近近似似相相等等，则图像的熵值最大。则图像的熵值最大。n熵值的定义：熵值的定义： (2)(2)熵值熵值 4.3.5 4.3.5 空间灰度共生矩阵空间灰度共生矩阵 第第4 4章章 图图像像特特征征提提取取与与分分析析能量：能量： 对比度：对比度： 均匀度：均匀度： (3)(3)能量、对比度、均匀度能量、对比度、均匀度 反映均匀性或平滑性反映均

40、匀性或平滑性反映图像点对中前后点间灰度差的度量反映图像点对中前后点间灰度差的度量 反映图像的均匀程度反映图像的均匀程度 第第4 4章章 图图像像特特征征提提取取与与分分析析能量能量是灰度共生矩阵各元素值的平方和，它是图像灰度分布均匀性或平滑性的度量，反映了图像的均匀程度和纹理粗细度，是影像纹理灰度变化均一性的度量。能量值大表明当前纹理是一种规则变化较为稳定的纹理。当灰度共生矩阵中元素分布较集中在主对角线附近值，说明局部区域内图像灰度分布较均匀。从图像整体看，纹理粗糙，则能量值应较大。反之，能量值较小，图像比较均匀或平滑。对比度对比度又称主对角线惯性矩，用于度量灰度共生矩阵的分布和图像局部的变化

41、，即图像点对中前后点之间灰度差的度量，反映图像清晰度和纹理的沟纹深浅。图像局部变化越大，即灰度差大的点对大量出现，则对比度越大，图像较粗糙，视觉效果越清晰；反之，图像较柔和。因此，图像的对比度可理解为图像的清晰度，即纹理清晰程度。第第4 4章章 图图像像特特征征提提取取与与分分析析n灰度共生矩阵的优点：灰度共生矩阵的优点：q特别适用于描述微小纹理；特别适用于描述微小纹理；q易易于理解和计算；于理解和计算；n灰度共生矩阵的缺点：灰度共生矩阵的缺点：q不适合描述含有大面积基元的纹理，因为矩阵不适合描述含有大面积基元的纹理，因为矩阵没有包含形状信息；没有包含形状信息；q矩阵的矩阵的大大小小只只与最与

42、最大大灰度灰度级级有关有关系系，而与图像，而与图像大大小无关；小无关；(4)(4)小结小结 4.3.5 4.3.5 空间灰度共生矩阵空间灰度共生矩阵 第第4 4章章 图图像像特特征征提提取取与与分分析析4.3.6 4.3.6 纹理能量测量纹理能量测量 Laws的纹理能量测量方法是一种典型的一的纹理能量测量方法是一种典型的一阶分析方法阶分析方法 。 基本思想是设置两个窗口：基本思想是设置两个窗口：F一个是一个是微窗口微窗口，可能为，可能为33、55、77像素，像素，通常取通常取55，用来测量以像元为中心的小区域，用来测量以像元为中心的小区域内灰度的不规则性，以形成属性，也称之为内灰度的不规则性，

43、以形成属性，也称之为窗口滤波；窗口滤波；第第4 4章章 图图像像特特征征提提取取与与分分析析4.3.6 4.3.6 纹理能量测量纹理能量测量 F二是二是宏窗口宏窗口，可以为，可以为1515或或3232，用来在，用来在 更大的窗口上求属性量的一阶统计特性，常为更大的窗口上求属性量的一阶统计特性，常为 均值或标准偏差，也称为能量变换。其具体实均值或标准偏差，也称为能量变换。其具体实 现就是用定义的一些模板与图像进行卷积，以现就是用定义的一些模板与图像进行卷积，以 便于检测出不同的纹理能量信息。便于检测出不同的纹理能量信息。第第4 4章章 图图像像特特征征提提取取与与分分析析纹理能量检测模板纹理能量

44、检测模板 4.3.6 4.3.6 纹理能量测量纹理能量测量 第第4 4章章 图图像像特特征征提提取取与与分分析析4.3.7 4.3.7 纹理的结构分析方法纹理的结构分析方法F是除统计方法之外的另一类纹理分析方法。该方是除统计方法之外的另一类纹理分析方法。该方法认为纹理是由结构基元按照某种重复性规则而构法认为纹理是由结构基元按照某种重复性规则而构成的模式，其表述过程实际是对纹理基元的提取以成的模式，其表述过程实际是对纹理基元的提取以及对基元分布规则的描述。及对基元分布规则的描述。F纹理的空间组织可以是随机的，可能一个基元对纹理的空间组织可以是随机的，可能一个基元对相邻基元有成对的依赖关系，或者几

45、个基元同时相相邻基元有成对的依赖关系，或者几个基元同时相互关联。这样的关联可能是结构的、概率的或是函互关联。这样的关联可能是结构的、概率的或是函数的。数的。第第4 4章章 图图像像特特征征提提取取与与分分析析 纹理基元可以是一个像素点，也可以是若干纹理基元可以是一个像素点，也可以是若干个灰度上比较接近的像素点的集合。由基元可以个灰度上比较接近的像素点的集合。由基元可以构成较为基本的、同时也是比较小的子纹理。最构成较为基本的、同时也是比较小的子纹理。最后纹理按某种空间组织规则合成为一幅完整的纹后纹理按某种空间组织规则合成为一幅完整的纹理图像。理图像。4.3.7 4.3.7 纹理的结构分析方法纹理

46、的结构分析方法第第4 4章章 图图像像特特征征提提取取与与分分析析 纹纹理理基基本本上上是是区区域域特特性性，图图像像中中的的区区域域对对应应景景物物中中的的表表面面，纹纹理理基基元元在在尺尺寸寸和和方方向向上上的的变变化化，可可以以反反映映出出景景物物中中表表面面相相对对于于照照相相机机的的转转动动倾倾斜斜。通通常常将将利利用用纹纹理理基基元元的的变变化化去去确确定定表表面面法法线线方方向向的的技技术术，称称为为纹纹理理梯梯度度技技术术，也也就是常说的从纹理到形状的研究。就是常说的从纹理到形状的研究。4.3.8 4.3.8 纹理梯度纹理梯度第第4 4章章 图图像像特特征征提提取取与与分分析析

47、4.4 4.4 形状特征描述形状特征描述 4.4.1 4.4.1 引言引言4.4.2 4.4.2 区域描述区域描述 4.4.3 4.4.3 区域边界的形状特征描述区域边界的形状特征描述第第4 4章章 图图像像特特征征提提取取与与分分析析4.4.1 4.4.1 引言引言n形状特征的表达必须以对图像中物体或区域的形状特征的表达必须以对图像中物体或区域的分割为基础；分割为基础；n形状特征必须满足对变换、旋转和缩放无关；形状特征必须满足对变换、旋转和缩放无关；n形状特征的表示方法：基于边界和基于区域。形状特征的表示方法：基于边界和基于区域。第第4 4章章 图图像像特特征征提提取取与与分分析析n形状特征

48、的区域表示法：用物体区域的整体形状特征的区域表示法：用物体区域的整体性质来表示；性质来表示；q分散度，伸长度，欧拉数，区域面积，重心，分散度，伸长度，欧拉数，区域面积，重心，周长等；周长等；n形状特征的边界表示法：用物体或区域的外形状特征的边界表示法：用物体或区域的外边界来表示；边界来表示；q边界的长度，直径；边界的长度，直径；q边界的曲率；边界的曲率；q链码描述；链码描述；q傅立叶描述符；傅立叶描述符；q基于内角的表示法；基于内角的表示法；4.4.1 4.4.1 引言引言第第4 4章章 图图像像特特征征提提取取与与分分析析4.4.1 4.4.1 引言引言4-4-邻域和邻域和8-8-邻域邻域

49、对于任意像素对于任意像素(i, j), (s,t)是一对适当的整是一对适当的整数，则把像素的集合数，则把像素的集合(i+s, j+t)叫做叫做(i, j)的邻域。常用的邻域。常用4-邻域和邻域和8-邻域。邻域。 邻域与邻接邻域与邻接互为互为4-邻域的两像素叫邻域的两像素叫4-邻接。邻接。互为互为8-邻域的两像素叫邻域的两像素叫8-邻接。邻接。像素的编号像素的编号 4 4邻接邻接 8 8邻接邻接 第第4 4章章 图图像像特特征征提提取取与与分分析析 对于图像中具有相对于图像中具有相同值的两个像素同值的两个像素A和和B，如果所有和如果所有和A、B具有相具有相同值的像素序列同值的像素序列L0(=A)

50、, L1, L2, Ln-1, Ln(=B)存存在，并且在，并且Li-1和和Li互为互为4-邻接或邻接或8-邻接，那么像邻接，那么像素素A和和B叫做叫做4-连接或连接或8-连接，以上的像素序列连接，以上的像素序列叫叫4-路径或路径或8-路径。路径。4.4.1 4.4.1 引言引言像素的连接像素的连接 第第4 4章章 图图像像特特征征提提取取与与分分析析4.4.1 4.4.1 引言引言连接成分连接成分 把图像中互相连接的像素的集合汇集为一组，把图像中互相连接的像素的集合汇集为一组，就产生了具有若干个就产生了具有若干个0值的像素和具有若干个值的像素和具有若干个l值值的像素的组。这些组叫做连接成分的

51、像素的组。这些组叫做连接成分(连通成分连通成分)。 假设各个假设各个1像素用像素用8-连接，则其中连接，则其中的的0像素就被包围起来。如果对像素就被包围起来。如果对0像素像素也用也用8-连接，就会与左下的连接，就会与左下的0像素连接像素连接起来，从而产生矛盾。因此起来，从而产生矛盾。因此0像素和像素和1像素应采用像素应采用互反互反的连接形式。的连接形式。连接性矛盾示意图连接性矛盾示意图第第4 4章章 图图像像特特征征提提取取与与分分析析4.4.1 4.4.1 引言引言连接成分连接成分 在在0-像素的连接成分像素的连接成分中，如果存在和图像外围中，如果存在和图像外围的的1行或行或1列的列的0-像

52、素不相像素不相连接的成分，则称之为连接的成分，则称之为孔孔。 不包含有孔的不包含有孔的1像素像素连接成分叫做连接成分叫做单连接成分单连接成分。含有孔的含有孔的l像素连接成分像素连接成分叫作叫作多重连接成分多重连接成分。第第4 4章章 图图像像特特征征提提取取与与分分析析4.4.2 4.4.2 区域描述区域描述M简单区域描述：分散度，伸长度，欧拉数，凹简单区域描述：分散度，伸长度，欧拉数，凹 凸性，复杂性，偏心度，距离，区域面积，重凸性，复杂性，偏心度，距离，区域面积，重 心，区域灰度。心，区域灰度。M区域内部变换分析：统计矩，投影和截口。区域内部变换分析：统计矩，投影和截口。 第第4 4章章

53、图图像像特特征征提提取取与与分分析析（1 1）简单区域描述）简单区域描述 指不经过变换，而直接在图像的空间域提取形指不经过变换，而直接在图像的空间域提取形状特征。状特征。F分散度分散度L：区域的周长；：区域的周长；S：区域的面积。：区域的面积。圆形：圆形：L2/S=4 ；其它形状：；其它形状：L2/S4 F伸长度伸长度W：区域的宽度；：区域的宽度；S：区域的面积。：区域的面积。4.4.2 4.4.2 区域描述区域描述第第4 4章章 图图像像特特征征提提取取与与分分析析F欧拉数欧拉数：物体个数和孔数之差。：物体个数和孔数之差。 具有欧拉数为具有欧拉数为0和和-1的图形的图形 图图(a)的图形有一

54、个连接成分和一个孔，所以它的的图形有一个连接成分和一个孔，所以它的欧拉数为欧拉数为0，而图，而图(b)有一个连接成分和两个孔，所有一个连接成分和两个孔，所以它的欧拉数为以它的欧拉数为-1。 通过欧拉数可用于通过欧拉数可用于目标识别目标识别。（1 1）简单区域描述）简单区域描述4.4.2 4.4.2 区域描述区域描述第第4 4章章 图图像像特特征征提提取取与与分分析析图中的多边形网，有图中的多边形网，有7个顶个顶点、点、11条边、条边、2个面、个面、1个连接区、个连接区、3个孔，因此，个孔，因此，由上式可得到由上式可得到包含多角网络的区域包含多角网络的区域 用线段表示的区域，可根据欧拉数来描述。

55、用线段表示的区域，可根据欧拉数来描述。 如图中的多边形网，将其内部区域分成面和孔。如图中的多边形网，将其内部区域分成面和孔。如果设顶点数为如果设顶点数为W，边数为边数为Q，面数为面数为F，则得到下则得到下列关系，这个关系称为欧拉公式。列关系，这个关系称为欧拉公式。 W-Q+F=C-H=E（1 1）简单区域描述）简单区域描述4.4.2 4.4.2 区域描述区域描述F欧拉数欧拉数第第4 4章章 图图像像特特征征提提取取与与分分析析一幅图像或一个区域中的连接成分数一幅图像或一个区域中的连接成分数C和孔和孔数数H不会受图像的伸长、压缩、旋转、平移的不会受图像的伸长、压缩、旋转、平移的影响。但如果区域撕

56、裂或折叠时，影响。但如果区域撕裂或折叠时，C和和H就会发就会发生变化。生变化。F欧拉数欧拉数（1 1）简单区域描述）简单区域描述4.4.2 4.4.2 区域描述区域描述第第4 4章章 图图像像特特征征提提取取与与分分析析F凹凸性凹凸性区域内任意两像素间的连线穿过区域外的像素，区域内任意两像素间的连线穿过区域外的像素，则此区域为凹形。相反，连接图形内任意两个像素则此区域为凹形。相反，连接图形内任意两个像素的线段，如果不通过这个图形以外的像素，则这个的线段，如果不通过这个图形以外的像素，则这个图形是凸的。图形是凸的。任何一个图形，把包含它的最小的凸图形叫这个任何一个图形，把包含它的最小的凸图形叫这

57、个 图形的凸闭包。图形的凸闭包。凸图形的凸闭包就是它本身。凸图形的凸闭包就是它本身。4.4.2 4.4.2 区域描述区域描述第第4 4章章 图图像像特特征征提提取取与与分分析析F复杂性复杂性区域边界上曲率极大值越多区域边界上曲率极大值越多( (角越多角越多) )，其复杂，其复杂性越高。性越高。区域边界上的曲率变化越大区域边界上的曲率变化越大( (角大小变化多角大小变化多) )，其复杂性越高。其复杂性越高。要确定或描述物体的信息量越多，其形状越复要确定或描述物体的信息量越多，其形状越复杂。杂。（1 1）简单区域描述）简单区域描述4.4.2 4.4.2 区域描述区域描述第第4 4章章 图图像像特特

58、征征提提取取与与分分析析 对于图像中三点对于图像中三点A,B,C，当函数当函数D(A,B)满足下满足下式条件时，把式条件时，把D(A,B)叫做叫做A和和B的距离。的距离。F距距 离离F第一个式子表示距离具有第一个式子表示距离具有非负性非负性，并且当，并且当A和和 B重合时，等号成立；重合时，等号成立；F第二个式子表示距离具有第二个式子表示距离具有对称性；对称性；F第三个式子表示距离的第三个式子表示距离的三角不等式三角不等式。（1 1）简单区域描述）简单区域描述4.4.2 4.4.2 区域描述区域描述第第4 4章章 图图像像特特征征提提取取与与分分析析计算点计算点(i, j)和和(h, k)间距

59、离常采用的几种方法：间距离常采用的几种方法： (1)欧氏距离欧氏距离:(2) 4-邻域距离邻域距离(街区距离街区距离):(3) 8-邻域距离邻域距离(棋盘距离棋盘距离): 三种距离之间的关系：三种距离之间的关系： 。F距距 离离（1 1）简单区域描述）简单区域描述4.4.2 4.4.2 区域描述区域描述第第4 4章章 图图像像特特征征提提取取与与分分析析 从从离离开开一一个个像像素素的的等等距距离离线线可可以以看看出出，在在欧欧氏氏距距离离中中大大致致呈呈圆圆形形，在在棋棋盘盘距距离离中中呈呈方方形形，在在街街区区距距离离中中呈呈倾倾斜斜45度度的的正正方方形形。街街区区距距离离是是图图像像中

60、中两两点点间间最最短短的的4-连连通通长长度度，而而棋棋盘盘距距离离则则是是两点间最短的两点间最短的8-连通长度。连通长度。F距距 离离（1 1）简单区域描述）简单区域描述4.4.2 4.4.2 区域描述区域描述第第4 4章章 图图像像特特征征提提取取与与分分析析区域的面积区域的面积S=24 S=24 F区域的面积区域的面积 描述区域的大小，通过对属于区域的像素进描述区域的大小，通过对属于区域的像素进行计数得到。行计数得到。（1 1）简单区域描述）简单区域描述4.4.2 4.4.2 区域描述区域描述第第4 4章章 图图像像特特征征提提取取与与分分析析u采用采用欧氏距离欧氏距离，在边界像素中，设

61、某像素与其，在边界像素中，设某像素与其水平或垂直方向上相邻边缘像素间的距离为水平或垂直方向上相邻边缘像素间的距离为1，与，与倾斜方向上相邻边缘像素间的距离为倾斜方向上相邻边缘像素间的距离为 。周长就。周长就是这些像素间距离的总和。精度较高。是这些像素间距离的总和。精度较高。 周长周长L用区域中相邻边缘点间距离之和来表用区域中相邻边缘点间距离之和来表示。常用计算方法有两种：示。常用计算方法有两种：F区域的周长区域的周长u采用采用8邻域距离邻域距离，将边界像素个数总和作为周，将边界像素个数总和作为周长。它与实际周长间有差异。长。它与实际周长间有差异。（1 1）简单区域描述）简单区域描述4.4.2

62、4.4.2 区域描述区域描述第第4 4章章 图图像像特特征征提提取取与与分分析析 圆形度圆形度R0用来描述景物形状接近圆形的程用来描述景物形状接近圆形的程度。其计算公式为：度。其计算公式为： 式中式中S为区域面积为区域面积;L为区域周长为区域周长;R0值的范围为值的范围为 。 R0值的大小反映了被测量边界的复杂程度，值的大小反映了被测量边界的复杂程度，越复杂的形状取值越小。越复杂的形状取值越小。R0值越大，则区域越值越大，则区域越接近圆形。接近圆形。 F圆形度圆形度（1 1）简单区域描述）简单区域描述4.4.2 4.4.2 区域描述区域描述第第4 4章章 图图像像特特征征提提取取与与分分析析(

63、2)(2)区域内部变换分析区域内部变换分析 F统计矩统计矩矩法：具有两个变元的有界函数矩法：具有两个变元的有界函数f(x,y)的的p+q阶矩定义阶矩定义为为这里这里p和和q可取所有的非负整数值。参数称为可取所有的非负整数值。参数称为p+q矩的阶。集合矩的阶。集合mpq对于函数是唯一的，对于函数是唯一的， 4.4.2 4.4.2 区域描述区域描述大小为大小为nm的数字图像的数字图像f(i, j)的矩为的矩为:第第4 4章章 图图像像特特征征提提取取与与分分析析区域形心位置区域形心位置：0阶矩阶矩m00是图像灰度是图像灰度f(i, j)的总和。的总和。二值图像的二值图像的m00则表示对象物的面积。

64、如果用则表示对象物的面积。如果用m00来来规格化规格化1阶矩阶矩m10及及m01，则得到一个物体的重心坐标：，则得到一个物体的重心坐标：F统计矩统计矩(2)(2)区域内部变换分析区域内部变换分析 4.4.2 4.4.2 区域描述区域描述第第4 4章章 图图像像特特征征提提取取与与分分析析F统计矩统计矩中心矩：中心矩：以重心作为原点进行计算：以重心作为原点进行计算： 利用中心矩计算公式可以计算出三阶以利用中心矩计算公式可以计算出三阶以下的中心矩：下的中心矩： 中心矩具有位置无关性，利用中心矩可中心矩具有位置无关性，利用中心矩可以提取区域的一些基本形状特征。以提取区域的一些基本形状特征。(2)(2

65、)区域内部变换分析区域内部变换分析 4.4.2 4.4.2 区域描述区域描述第第4 4章章 图图像像特特征征提提取取与与分分析析 把中心矩再用零阶中心把中心矩再用零阶中心矩来规格化，叫做矩来规格化，叫做规格化中规格化中心矩心矩，记作，记作 pq，表达式为，表达式为 ：式中：式中：F统计矩统计矩三阶以下的中心矩三阶以下的中心矩第第4 4章章 图图像像特特征征提提取取与与分分析析一阶矩与形状无关；一阶矩与形状无关；二阶矩显示曲线围绕直线平二阶矩显示曲线围绕直线平均值的扩展程度；均值的扩展程度；三阶矩是关于平均值的对称三阶矩是关于平均值的对称性的测量。性的测量。第第4 4章章 图图像像特特征征提提取

66、取与与分分析析不变矩：不变矩：为为了使矩描述了使矩描述子与大小、子与大小、平移、旋转平移、旋转无关，可用无关，可用二阶和三阶二阶和三阶规格化中心规格化中心矩导出七个矩导出七个不变矩组不变矩组 。F统计矩统计矩4.4.2 4.4.2 区域描述区域描述不变矩描述分割出的区不变矩描述分割出的区域时，具有对平移、旋域时，具有对平移、旋转和缩放都不变的性质。转和缩放都不变的性质。第第4 4章章 图图像像特特征征提提取取与与分分析析F投影和截口投影和截口 区区域域为为nn的的二二值值图图像像和和抑抑制制背背景景的的图图像像f(i,j)在在i轴上的轴上的投影投影为：为： 在在j轴上的轴上的投影投影为为 ：由

67、以上两式所绘出的曲线都是离散波形曲线。就把由以上两式所绘出的曲线都是离散波形曲线。就把二维图像的形状分析转化为对一维离散曲线的波形二维图像的形状分析转化为对一维离散曲线的波形分析。分析。(2)(2)区域内部变换分析区域内部变换分析 4.4.2 4.4.2 区域描述区域描述第第4 4章章 图图像像特特征征提提取取与与分分析析 固固定定i0，得得到到图图像像f(i, j)的的过过i0而而平平行行于于轴轴的的截截口口f(i0, j), j=1,2,n。固固定定j0，得得到到图图像像f(i, j)的的过过j0而而平平行行于于i轴轴的的截截口口f(i, j0), i=1,2,n 。二二值值图图像像f(i

68、, j)的的截口长度截口长度为为F投影和截口投影和截口 (2)(2)区域内部变换分析区域内部变换分析 4.4.2 4.4.2 区域描述区域描述第第4 4章章 图图像像特特征征提提取取与与分分析析4.4.3 4.4.3 边界描述边界描述 区域外部形状是指构成区域边界的像素区域外部形状是指构成区域边界的像素集合。集合。F边界的长度，直径；边界的长度，直径；F边界的曲率；边界的曲率；F链码描述链码描述F傅立叶描述子傅立叶描述子F基于内角的表示法；基于内角的表示法；F中轴变换，收缩、膨胀及细化运算中轴变换，收缩、膨胀及细化运算第第4 4章章 图图像像特特征征提提取取与与分分析析n曲率是斜率的改变率，描

69、述了边界上各点沿边曲率是斜率的改变率，描述了边界上各点沿边界方向的变化情况；界方向的变化情况；n某个边界点的曲率的符号描述了边界在该点的某个边界点的曲率的符号描述了边界在该点的凹凸性；凹凸性；n直接计算边界的曲率由于边界的粗糙不平而变直接计算边界的曲率由于边界的粗糙不平而变得不可靠；得不可靠；n用线段逼近边界后计算线段交点处的曲率比较用线段逼近边界后计算线段交点处的曲率比较可靠；可靠；(1)(1)边界的曲率边界的曲率4.4.3 4.4.3 边界描述边界描述 第第4 4章章 图图像像特特征征提提取取与与分分析析|采采用用曲曲线线起起始始点点的的坐坐标标和和斜斜率率(方方向向)来来表表示示曲曲线。

70、线。|区区域域的的边边界界可可理理解解为为相相邻邻边边界界像像素素之之间间的的单单元元连线连线逐段相连。逐段相连。|方方向向码码:把把某某像像素素和和其其8-邻邻域域的的各各像像素素连连线线方方向向按八链码原理图所示进行编码。按八链码原理图所示进行编码。(2)(2)链码描述链码描述4.4.3 4.4.3 边界描述边界描述 第第4 4章章 图图像像特特征征提提取取与与分分析析第第4 4章章 图图像像特特征征提提取取与与分分析析偶偶数数码码为为水水平平或或垂垂直直方方向向的的链链码码，码码长长为为1；奇奇数数码为对角线方向的链码，码长为码为对角线方向的链码，码长为 。边界链码具有行进的边界链码具有

71、行进的方向性方向性。(2)(2)链码描述链码描述4.4.3 4.4.3 边界描述边界描述 八链码例子八链码例子 第第4 4章章 图图像像特特征征提提取取与与分分析析(2)(2)链码描述链码描述4.4.3 4.4.3 边界描述边界描述 第第4 4章章 图图像像特特征征提提取取与与分分析析第第4 4章章 图图像像特特征征提提取取与与分分析析第第4 4章章 图图像像特特征征提提取取与与分分析析区域边界的周长：区域边界的周长：假设区域的边界链码为假设区域的边界链码为a1,a2,an，每个码段，每个码段ai所表示的线段长度所表示的线段长度为为 li，那么该区域边界的周长为，那么该区域边界的周长为 式中式

72、中ne为链码序列中偶数码个数；为链码序列中偶数码个数；n为链码序为链码序列中码的总个数。列中码的总个数。 区域的面积：区域的面积： (2)(2)链码描述链码描述4.4.3 4.4.3 边界描述边界描述 第第4 4章章 图图像像特特征征提提取取与与分分析析对对x轴的一阶矩轴的一阶矩(k=0)对对x轴的二阶矩（轴的二阶矩（k=0）形心位置形心位置(xc,yc) 是链码关于是链码关于y轴的一阶矩。轴的一阶矩。(2)(2)链码描述链码描述4.4.3 4.4.3 边界描述边界描述 第第4 4章章 图图像像特特征征提提取取与与分分析析两点之间的距离：两点之间的距离：如果链中任意两个离散点之间的如果链中任意

73、两个离散点之间的码为码为 ，那么这两点间的距离是，那么这两点间的距离是 根据链码还可以计算其它形状特征。根据链码还可以计算其它形状特征。(2)(2)链码描述链码描述4.4.3 4.4.3 边界描述边界描述 第第4 4章章 图图像像特特征征提提取取与与分分析析微分链码（差分码）：微分链码（差分码）：(2)(2)链码描述链码描述4.4.3 4.4.3 边界描述边界描述 第第4 4章章 图图像像特特征征提提取取与与分分析析4.4.3 4.4.3 边界描述边界描述 链码归一化链码归一化使用链码时，起点的选择常常是很关键的。对同一个边使用链码时，起点的选择常常是很关键的。对同一个边界，如用不同的边界点作

74、为链码起点，得到的链码是不界，如用不同的边界点作为链码起点，得到的链码是不同的。为解决这个问题，可把链码起点归一化。同的。为解决这个问题，可把链码起点归一化。一种归化链码的起点的办法：给定一个从任意点开始得到的链码，把它看作一个由各方向数构成的自然数。将这些方向数依一个方向循环，以使它们所构成的自然数的值最小。我们将这样转换后所对应的链码起点作为这个边界的归化链码的起点。第第4 4章章 图图像像特特征征提提取取与与分分析析(2)(2)差分链码差分链码归一化链码既具有平移不变性，也具备唯一性，但不具备旋转不变性。对差分码进行（起点）归一化，就可得到归一化（唯一）的差分码，它具有平移和旋转不变性，

75、也具有唯一性。第第4 4章章 图图像像特特征征提提取取与与分分析析(4)(4)基于内角的形状特征基于内角的形状特征当当180时，时， 当当180时，时， 4.4.3 4.4.3 边界描述边界描述 第第4 4章章 图图像像特特征征提提取取与与分分析析从内角导出的形状特征从内角导出的形状特征 |顶点数顶点数 |内角平均值内角平均值 |内角标准方差内角标准方差 |内角直方图内角直方图 4.4.3 4.4.3 边界描述边界描述 (4)(4)基于内角的形状特征基于内角的形状特征第第4 4章章 图图像像特特征征提提取取与与分分析析1 1、顶点数、顶点数 多边形的顶点数目越多，形状越复杂。在多边形的顶点数目

76、越多，形状越复杂。在识别图像中的目标物时，把具有不同顶点数目识别图像中的目标物时，把具有不同顶点数目的两个形状当作不相似的两个形状是具有一定的两个形状当作不相似的两个形状是具有一定合理性的。合理性的。2 2、内角平均值、内角平均值 多边形所有内角的平均值从一定程度上反多边形所有内角的平均值从一定程度上反映了多边形的形状属性。例如三角形的内角平映了多边形的形状属性。例如三角形的内角平均值为均值为6060度，与矩形的内角平均值度，与矩形的内角平均值9090度之间有度之间有较大差别较大差别。第第4 4章章 图图像像特特征征提提取取与与分分析析3 3、内角标准方差、内角标准方差 标准方差是对多边形形状

77、的总体描述。多标准方差是对多边形形状的总体描述。多边形越规则，方差值越小，反之，越大。因此，边形越规则，方差值越小，反之，越大。因此，可以用该值来辨正正多边形和不规则多边形。可以用该值来辨正正多边形和不规则多边形。4 4、内角直方图、内角直方图 反映了内角的总体分布反映了内角的总体分布。第第4 4章章 图图像像特特征征提提取取与与分分析析 对二值图像，两个像素对二值图像，两个像素p和和q间的距离可以用间的距离可以用适当的距离函数来测量。设适当的距离函数来测量。设P为为B(p)1的像素区的像素区域，域，Q为为B(q)0的像素区域，求从的像素区域，求从P中任意像素中任意像素到到Q的最小距离叫二值图

78、像的距离变换。的最小距离叫二值图像的距离变换。 (5)(5)骨架化骨架化距离变换距离变换4.4.3 4.4.3 边界描述边界描述 第第4 4章章 图图像像特特征征提提取取与与分分析析首先对图像进行二值化处理，然后给每个像素赋值为离它最近的背景像素点与其距离（Manhattan距离or欧氏距离），得到distancemetric(距离矩阵)，那么离边界越远的点越亮。第第4 4章章 图图像像特特征征提提取取与与分分析析二值图像及其距离变换后的结果二值图像及其距离变换后的结果距离变换距离变换(5)(5)骨架化骨架化4.4.3 4.4.3 边界描述边界描述 第第4 4章章 图图像像特特征征提提取取与与

79、分分析析 在经过距离变换得到的图像中，在经过距离变换得到的图像中，最大值点的集最大值点的集合就形成骨架合就形成骨架，即位于图像中心部分的线状像素的，即位于图像中心部分的线状像素的集合。它反映了原图形的形状。集合。它反映了原图形的形状。 给定距离和骨架就能恢复该图形，但不能保证给定距离和骨架就能恢复该图形，但不能保证原始图形的连接性。原始图形的连接性。距离变换距离变换(5)(5)骨架化骨架化4.4.3 4.4.3 边界描述边界描述 第第4 4章章 图图像像特特征征提提取取与与分分析析 找出中轴的找出中轴的个方法是用个方法是用腐蚀法腐蚀法，通过依次一，通过依次一层一层的去除外部周边点来找到中轴。层

80、一层的去除外部周边点来找到中轴。中轴变换中轴变换 对二值图像来说，中轴变换能够保持物体的对二值图像来说，中轴变换能够保持物体的原本形状。该变换是原本形状。该变换是可逆可逆的，物体可以由它的中的，物体可以由它的中轴变换重建。轴变换重建。(5)(5)骨架化骨架化4.4.3 4.4.3 边界描述边界描述 第第4 4章章 图图像像特特征征提提取取与与分分析析中轴变换中轴变换(5)(5)骨架化骨架化4.4.3 4.4.3 边界描述边界描述 第第4 4章章 图图像像特特征征提提取取与与分分析析4.4.4 Hough4.4.4 Hough变换变换目的：目的： Hough变换和广义变换和广义Hough变换的目

81、的是寻找一变换的目的是寻找一种种从区域边界到参数空间的变换从区域边界到参数空间的变换，用大多数边界点，用大多数边界点满足的对应的参数来描述这个区域的边界。满足的对应的参数来描述这个区域的边界。方法：方法： Hough变换方法是利用图像全局特性直接检测变换方法是利用图像全局特性直接检测目标轮廓，即可将边缘像素连接起来组成区域封闭目标轮廓，即可将边缘像素连接起来组成区域封闭边界的一种常见方法。边界的一种常见方法。第第4 4章章 图图像像特特征征提提取取与与分分析析适用范围：适用范围： 在在预先知道区域形状预先知道区域形状的条件下，利用的条件下，利用Hough变变换可以方便地得到边界曲线，而将不连续

82、的边缘换可以方便地得到边界曲线，而将不连续的边缘像素点连接起来。像素点连接起来。优点：优点：受噪声和曲线间断的影响较小。受噪声和曲线间断的影响较小。4.4.4 Hough4.4.4 Hough变换变换基本思想：基本思想：点点线的对偶性。（线的对偶性。（图像中共图像中共线的点对应于参数空间中相交的线。线的点对应于参数空间中相交的线。） 对图像进行坐标变换，使之在另一坐标空间对图像进行坐标变换，使之在另一坐标空间的特定位置上出现峰值，因此检出曲线即是找出的特定位置上出现峰值，因此检出曲线即是找出峰值位置的问题。峰值位置的问题。第第4 4章章 图图像像特特征征提提取取与与分分析析Hough变换：变换

83、：第第4 4章章 图图像像特特征征提提取取与与分分析析 直角坐标系中：直线方程为：直角坐标系中：直线方程为： =xcos +ysin 用极坐标表示则为点用极坐标表示则为点( , )。 直角坐标系中的一条直线对应极坐标系中的一直角坐标系中的一条直线对应极坐标系中的一点，这种点，这种线到点的变换线到点的变换就是就是Hough变换。变换。 Hough变换：变换：在直角坐标系中过任一点的直线系满足：在直角坐标系中过任一点的直线系满足：这些直线在极坐标系中所对应的点这些直线在极坐标系中所对应的点( ( , , ) )构成一构成一条条正弦曲线正弦曲线。4.4.4 Hough4.4.4 Hough变换变换第

84、第4 4章章 图图像像特特征征提提取取与与分分析析 设平面上若干点，过每点的直线系分别对应于设平面上若干点，过每点的直线系分别对应于极坐标系中的一条正弦曲线，若这些曲线有共同的极坐标系中的一条正弦曲线，若这些曲线有共同的交点交点( , ) (图图(f)，则这些点共线，且对应的则这些点共线，且对应的直线方程为：直线方程为：Hough变换：变换： 图像空间中共线的点对应于参数空间中相交的图像空间中共线的点对应于参数空间中相交的线。反过来，在参数空间中相交于同一点的所有线线。反过来，在参数空间中相交于同一点的所有线在图像空间中都有共线的点与之对应。这就是在图像空间中都有共线的点与之对应。这就是点点线

85、对偶性线对偶性。4.4.4 Hough4.4.4 Hough变换变换第第4 4章章 图图像像特特征征提提取取与与分分析析 当给定图像空间中的一些边缘点时，可以通过当给定图像空间中的一些边缘点时，可以通过Hough变换确定连接这些点的直线方程。变换确定连接这些点的直线方程。把在图像把在图像空间中的直线检测问题转换到参数空间中对点的检空间中的直线检测问题转换到参数空间中对点的检测问题测问题，通过在参数空间里进行简单的，通过在参数空间里进行简单的累加统计累加统计即即可完成检测任务。可完成检测任务。Hough变换检测直线：变换检测直线：4.4.4 Hough4.4.4 Hough变换变换第第4 4章章

86、 图图像像特特征征提提取取与与分分析析算法的基本思想是对图像进行坐标变换，算法的基本思想是对图像进行坐标变换，使之在另一个坐标空间的特定位置上出现使之在另一个坐标空间的特定位置上出现峰值，因此检出曲线即是找出峰值位置。峰值，因此检出曲线即是找出峰值位置。第第4 4章章 图图像像特特征征提提取取与与分分析析Hough变换检测直线：变换检测直线：例例1 1：设图像经过处理后成为许多点状图案，试找：设图像经过处理后成为许多点状图案，试找出其中有无经过原点的直线。若有，则检出。出其中有无经过原点的直线。若有，则检出。(1)(1)检测过原点的直线检测过原点的直线(2)(2)检测过图像平面上两点的直线检测

87、过图像平面上两点的直线例例2 2：检测图像平面上是否有过：检测图像平面上是否有过A A和和B B两点的直线。两点的直线。直角坐标空间直角坐标空间(x, y)参数空间参数空间直角坐标空间直角坐标空间(x, y)参数空间参数空间(a,b)4.4.4 Hough4.4.4 Hough变换变换第第4 4章章 图图像像特特征征提提取取与与分分析析Hough变换检测其它规则曲线：变换检测其它规则曲线：椭圆：椭圆：双曲线：双曲线：抛物线：抛物线：4.4.4 Hough4.4.4 Hough变换变换第第4 4章章 图图像像特特征征提提取取与与分分析析广义广义Hough变换：变换： Hough变换可推广，用于检

88、测图像中是否存变换可推广，用于检测图像中是否存在某一特定形状的物体，特别对于较难用解析公式在某一特定形状的物体，特别对于较难用解析公式表示的某些形状物，即用表示的某些形状物，即用广义广义Hough变换去找出图变换去找出图像中这种任意形状的存在位置。像中这种任意形状的存在位置。4.4.4 Hough4.4.4 Hough变换变换第第4 4章章 图图像像特特征征提提取取与与分分析析 在物体中确定一个任意点在物体中确定一个任意点(xc,yc)为参考点，则为参考点，则(xc,yc)应满足：应满足： xc=x+r( )cos ( )，yc=y+r( )sin ( )广义广义Hough变换：变换：4.4.

89、4 Hough4.4.4 Hough变换变换第第4 4章章 图图像像特特征征提提取取与与分分析析(1)对已知形状建立对已知形状建立R表格，以表格，以的步进值求的步进值求r和和;(2)对图像中目标物的各点在内存中开辟一个二维存对图像中目标物的各点在内存中开辟一个二维存储区储区A(xcminmax, ycminmax)，存储内容是累加的；，存储内容是累加的；(3)对未知图像的每点对未知图像的每点(xi,yi)，计算，计算i，查，查R表，然，表，然，计算计算(xc,yc) ；(4)使相应的存储阵列加使相应的存储阵列加A(xc, yc) 1；(5)在在A阵列中找一最大值，即为图像中相应的边界。阵列中找

90、一最大值，即为图像中相应的边界。广义广义Hough变换：变换：4.4.4 Hough4.4.4 Hough变换变换第第4 4章章 图图像像特特征征提提取取与与分分析析4.5 4.5 小小 结结 图像特征是指图像的原始特性或属性。图像特征是指图像的原始特性或属性。常见的图像特征可以分为颜色特征、纹理特征和常见的图像特征可以分为颜色特征、纹理特征和几何形状特征等。几何形状特征等。 区域内部空间域分析是直接在图像的空间域对区区域内部空间域分析是直接在图像的空间域对区域内提取形状特征，主要有欧拉数、凹凸性、距离域内提取形状特征，主要有欧拉数、凹凸性、距离和区域的测量。和区域的测量。区域内部变换分析是形状分析的经典方法，它包区域内部变换分析是形状分析的经典方法，它包括求区域的各阶统计矩、投影和截口等。括求区域的各阶统计矩、投影和截口等。第第4 4章章 图图像像特特征征提提取取与与分分析析区域外部形状是指构成区域边界的像素集合。区域外部形状是指构成区域边界的像素集合。 形状描述子是一种对物体形状的简洁描述。形状描述子是一种对物体形状的简洁描述。包括区域边界的链码、傅立叶描述算子、骨架包括区域边界的链码、傅立叶描述算子、骨架化、细化、区域边界的化、细化、区域边界的Hough变换和广义变换和广义Hough变换等。变换等。 4.5 4.5 小小 结结