紋理是物體表面固有的一種特性,所以圖像中的區域常體現出紋理性質。紋理可以認為是灰度(顏色)在空間以一定的形式變化而產生的團(模式)。紋理與尺度有密切的關系,一般僅在一定的尺度上可以觀察到,對紋理的分析需要在恰當的尺度上進行。紋理還具有區域性質的特點,通常被看做對局部區域中像素之間關系的一種度量,對于單個像素來說討論紋理是沒有意義的。一把情況下目前常用的紋理分析方法中有以下三種:統計法,結構法,頻譜法。下面分別介紹。
1. 紋理描述的統計方法
最簡單的統計法借助于灰度直方圖的矩來描述紋理,比如直方圖的二階矩是灰度對比度的度量,可以用于描述直方圖的相對平滑程度;三階矩表示了直方圖的偏度;四階矩表示的直方圖的相對平坦型等等。但是僅借助灰度直方圖的矩來描述紋理沒能利用像素相對位置的空間信息,為了利用這些信息,我們可以建立區域的灰度共生矩陣。
1.1 灰度共生矩陣
設 S 為目標區域 R 中具有特定空間聯系(可由位置算子確定)的象素對的集合,共生矩陣 P 中的元素( #代表數量)
分子:具有某種空間關系、灰度值分別為g1和g2的象素對的個數
分母:象素對的總和個數
上面提到了一個概念,位置算子,位置算子其實就是象素對的特定空間聯系,比如向右1個象素和向下1個象素。共生矩陣的大小一般為k x k矩陣(k為所求圖像的灰度級數)。舉個栗子如下:
上圖a為3個灰度級的圖象( g1 = 0, g2 = 1, g3 = 2),位置算子為:向右1個象素和向下1個象素,b圖按照位置算子計算得到的灰度共生矩陣,c圖為共生矩陣歸一化的結果。然而,為了更好的對圖像分析,一般常用由共生矩陣產生的紋理描述符,比如:二階矩,對應圖像的均勻性或平滑性;熵,給出圖像內容隨機性的度量;對比度,反應緊鄰像素間的反差等。
1.2. 基于能量的紋理描述符
通過利用模板(也稱核)計算局部紋理能量可以獲得灰度變化的信息,如果設圖象為I,模板為M1, M2, …, MN,則卷積 Jn = I * Mn, n = 1, 2, …, N 給出了各個象素鄰域中的紋理能量分量,如果采用尺寸為k × k的模板,則對應第n個模板的紋理圖像(的元素)為:
常見的一維模板有:
其中L代表層(level),E代表邊緣(edge),S代表形狀(shape),W代表波(wave),R代表紋(ripple),例如L5給出中心加權的局部平均, E5檢測邊緣。對應的二維模板常用兩個一維模板(行模板和列模板)的卷積得到。這里不再贅述。
2. 紋理描述的結構方法
2.1 結構描述法基礎
一般認為紋理是由許多相互接近的,互相編織的元素構成(它們常具有周期性),所以紋理描述可提供圖像區域的平滑,稀疏,規則性等特性。結構法是一種空域的方法,其基本思想是認為復雜的紋理可由一些簡單的紋理基元(基本紋理元素)以一定的有規律的形式重復排列組合而成。
結構描述的關鍵點有兩個:一是確定紋理基元;二是建立排列規則。一個紋理基元是由一組屬性所刻畫的相連通的像素集合,設紋理基元為h(x, y),排列規則為r(x, y),則紋理t(x, y)可表示為:
為了用結構法描述紋理,在獲得紋理基元的基礎上,還要建立將它們及逆行排列的規則,排列規則和方式可用形式語法來定義,其中t表示紋理基元,a表示向右移動,b表示向下移動:
(1) S -> aS(變量S可用aS來替換)
(2) S -> bS( 變量S可用bS來替換)
(3) S -> tS(變量S可用tS來替換)
(4) S -> t(變量S可用t來替換)
例如,t是下圖a的一個紋理基元,它也可以直接由上述規則(4)得到。如果依次使用規則(3),(1),(3),(1),(3),(1),(4),可得到tatatat,即生成如圖b的圖案。如果依次使用規則(3),(1),(3),(2),(3),(1),(3),(1),(4),即可得到下圖c的圖案。
比較規則的紋理在空間中可以用有次序的形式通過紋理鑲嵌來構建,比如下圖,通過使用一種正多邊形進行拼接組合。
2.2 局部二值模式(LBP)
局部二值模式(LBP)是一種紋理分析算子,是一個借助局部鄰域定義的紋理測度。它屬于點樣本的估計方式,具有尺度不變性,旋轉不變性和計算復雜度低等優點。
對一個象素的3 x 3鄰域里的象素按順序閾值化,將結果看作一個二進制數,并作為中心象素的標號,由256個不同標號得到的直方圖可進一步用作區域的紋理描述符 ,如下圖:
當然也可以使用不同尺寸的鄰域對基本LBP算子進行擴展。用(P, R)代表一個象素的鄰域,在這個鄰域里有P個象素 圓半徑為R。如下圖:
將一個鄰域中的象素按順序循環考慮,如果它包含最多兩個從0到1或從1到0的過渡,則這個二值模式就是均勻的,根據LBP的標號可以獲得不同的局部基元。如下:
3. 紋理描述的頻譜方法
一般來說,紋理和圖像頻譜中的高頻分量是密切聯系的。光滑的圖像(主要包含低頻分量)一般不當做紋理圖像看待。頻譜法對應變換域的方法,著重考慮的是紋理的周期性。
3.1 傅里葉頻譜
傅里葉頻譜可借助傅里葉變換得到,它有三個合適描述紋理的性質:
(1) 傅里葉頻譜中突起的峰值對應紋理模式的主方向
(2) 這些峰在頻域平面的位置對應模式的基本周期
(3) 利用濾波把周期性成分除去,用統計方法描述剩下的非周期性部分
在實際的特征檢測中,為簡便起見可把頻譜轉換到極坐標中。此時頻譜函數可用S(r, θ )表示,比如:
如果紋理具有空間周期性,或具有確定的方向性,則能量譜在對應的頻率處會有峰。以這些峰為基礎課組建模式識別所需的特征。
3.2 Gabor頻譜
Gabor頻譜,也有成為蓋伯頻譜,源自于Gabor變換。如果在傅里葉變換中加上窗函數,就構成短時傅里葉變換,再進一步,如果短時傅里葉變換的窗函數為高斯函數,則構成Gabor變換。由于高斯函數的傅里葉變換仍為高斯函數,所以,Gabor變換再空域和頻域都具有局部性,或者說可以將能量進行集中。
實際中常使用兩個成對的實Gabor濾波器,其中對稱的和反對稱的濾波器響應分別為:
將上述兩個蓋伯濾波器旋轉和放縮,可分別獲得一組朝向和帶寬均不同的濾波器,并覆蓋整個平面,如下圖:
通過利用一組基于Gabor變換的濾波器可將圖像分別轉換到一系列的頻率帶中。
4. 小結
本文主要從統計方法,結構方法以及頻譜的方法對紋理圖像的描述進行了初步的概述,以便讀者進行關于對紋理圖像的分析方面有一個初步的了解。本文部分內容參考章毓晉的圖像工程(中冊)之圖像分析,感謝!
標簽:
本站文章除注明轉載外,均為本站原創或翻譯。歡迎任何形式的轉載,但請務必注明出處、不得修改原文相關鏈接,如果存在內容上的異議請郵件反饋至chenjj@fc6vip.cn