紋理通常被定義為圖像的某種局部特征，或是對(duì)局部區(qū)域中像素之間關(guān)系的一種度量。

紋理的標(biāo)志有三要素：①某種局部的序列性，在該序列更大的區(qū)域內(nèi)不斷重復(fù)；②序列是由基本部分非隨機(jī)排列組成的；③各部分大致都是均勻的統(tǒng)一體，紋理區(qū)域內(nèi)任何地方都有大致相同的結(jié)構(gòu)尺寸。

紋理可分為人工紋理和自然紋理，如下圖所示：

常用的紋理特征提取方法主要有：統(tǒng)計(jì)方法；幾何法；模型法；信號(hào)處理法；結(jié)構(gòu)分析法。

---

---

共生矩陣：灰度共生矩陣(GLCM)描述了圖像中灰度為Ik的像素從(i,j)沿指定方向和距離d移動(dòng)到(i',j')處灰度為Ie的概率。GLCM不但適用于紋理識(shí)別，而且用于圖像分割時(shí)效果也很好。共生矩陣的本質(zhì)是兩個(gè)像素點(diǎn)的聯(lián)合直方圖，實(shí)驗(yàn)如下：

實(shí)驗(yàn)數(shù)據(jù)：(玻璃裂紋，如下圖所示)

原始紋理圖

灰度共生矩陣實(shí)驗(yàn)代碼如下所示：

%{本實(shí)驗(yàn)用于灰度共生矩陣實(shí)驗(yàn)讀取一張圖像并將其灰度化獲取預(yù)處理后灰度圖像的共生矩陣并顯示分析%}img = imread('1.jpg'); % 讀取實(shí)驗(yàn)圖像img_gray = rgb2gray(img); % 將圖像轉(zhuǎn)為灰度圖[r,c,l] = size(img_gray); % 獲取圖像的大小a = 1;b = 0; % 人為定義a和bGLCM = zeros(256,256); % 預(yù)設(shè)與灰度級(jí)相當(dāng)?shù)墓采仃? 遍歷圖像修正灰度共生矩陣for i = 1:1:r - a for j = 1:1:c - b f1 = img_gray(i,j); f2 = img_gray(i + a,j + b); GLCM(f1 + 1,f2 + 1) = GLCM(f1 + 1,f2 + 1) + 1; end endGLCM = GLCM/max(max(GLCM)); % 共生矩陣歸一化 imshow(GLCM); % 共生矩陣可視化msgbox '完成！';

---

設(shè)置a =?1,b = 0,生成的共生矩陣以圖像的形式顯示，如下圖所示：

設(shè)置a =?1,b = 1,生成的共生矩陣以圖像的形式顯示，如下圖所示：

設(shè)置a =?2,b =?0,生成的共生矩陣以圖像的形式顯示，如下圖所示：

實(shí)驗(yàn)2：實(shí)驗(yàn)數(shù)據(jù)：(細(xì)小木紋的圖像，如下圖所示)

設(shè)置a =?1,b = 0,生成的共生矩陣以圖像的形式顯示，如下圖所示：

設(shè)置a =?1,b = 1,生成的共生矩陣以圖像的形式顯示，如下圖所示：

設(shè)置a =?2,b = 0,生成的共生矩陣以圖像的形式顯示，如下圖所示：

可見，距離(a,b)取值不同，灰度共生矩陣中的值不同。a和b的取值要根據(jù)紋理周期分布的特性來選擇，對(duì)于較細(xì)的紋理，選(1，0)，(1，1)，(2，0)等這樣的數(shù)值是必要的。a,b取值較小對(duì)應(yīng)變化緩慢的紋理圖像，其灰度共生矩陣對(duì)角線上的數(shù)值較大。紋理變化越快，則對(duì)角線上的數(shù)值越小，而對(duì)角線兩側(cè)數(shù)值增大。

如上兩個(gè)實(shí)驗(yàn)，實(shí)驗(yàn)一，紋理變化緩慢，共生矩陣呈對(duì)角分布；實(shí)驗(yàn)二，紋理較細(xì)，共生矩陣呈中心分布，對(duì)角分布不明顯。

總結(jié)

以上是生活随笔為你收集整理的灰度共生矩阵纹理特征提取_纹理特征提取的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。