Halcon 第四章『图像特征和提取』◆第3节:基于图像的纹理特征|灰度共生矩阵
第3节:基于图像纹理的特征&相关算子
基于图像纹理特征不是针对像素点进行计算,而是在包含多个像素点的区域进行统计和分析,反映的是物体表面的一些特性,它可以用来反映物体表面灰度像素的排列状况。
图像的纹理特征一般包括图像的能量、相关性、局部均匀性、对比度等。该特征也与区域的形状有关,也是一种区域特征,具有旋转不变形,但是容易受到光照变化的影响。
1、灰度共生矩阵原理(初级入门)
简称:GLCM
①点对:由任意两个像素点组成的(f1,f2),例如图1中(0,1)、(0,2)、(2,0)都可以构成点对。
②最大灰度级:就是图片的最大灰度值。图1中的最大灰度值为2。
③灰度共生矩阵:举例图1中灰度值有0、1、2这三种,那么由它产生的点对组合就有3×3种组合,分别是(0,0)、(0,1)、(0,2)、(1,0)、(1,1)、(1,2)、(2,0)、(2,1)、(2,2)这9种点对组合。然后用矩阵来形容如下图2:
然后分别在每个方框中,填入对应的组合在图1中出现过的次数,如下图3。
备注: 此图3涉及的的方向为θ=0°(双向),间距d=1(d≠0,且为整数)。
④方向:双向,即在某一个方向下,正反向和反方向都要计算一遍,且必须要符合点对的前后顺序。
以图1和图3为例,其中(0,1)组合有2次出现在这:
⑤间距d:图像像素中间间隔。
⑥灰度降级:灰度图的范围0~255,这样的共生矩阵计算量非常的大,所以必须灰度降级来减少计算量。
然而,灰度共生矩阵表达的是一种概率,因此还需要将统计数目归一化城概率,这样得到的才是灰度共生矩阵。该矩阵有如下特性:
⑴能量:表示灰度共生矩阵中的元素的平方和。能量值大,表示灰度变化比较稳定,反映了纹理变化的均匀程度。
⑵相关性:表示纹理在行或者列方向的相似程度。相关性越大,相似性越高。
⑶局部均匀性:反映图像局部纹理的变化量。这个值越大,表示图像局部的变化越小。
⑷反差:表示矩阵的值差异程度,也间接表现了图像的局部灰度变化幅度。反差值越大,图像中的纹理深浅越明显,表示图像越清晰;反之,则表示图像越模糊。
2、Halcon中创建灰度共生矩阵的算子
Image图像 / Features特征 创建图像中的共生矩阵 gen_cooc_matrix(Regions, Image : Matrix : LdGray, Direction : ) Regions:输入参数,输入被计算的区域。 Image:输入参数,输入的单通道灰度图像。 Matrix:输出参数,输出的灰度共生矩阵,为real类型。 LdGray:输入参数,(灰度降级)表示图中灰度值的级数,即有多少种灰度颜色。默认为6,也可以取1~256的整数。 Direction:输入参数,表示相邻像素的方向。默认为0,范围【0, 45, 90, 135】。 |
3、用共生矩阵计算灰度值特征
Image图像 / Features特征 根据灰度共生矩阵来计算能量、相关性、局部均匀性和对比度。 cooc_feature_matrix(CoocMatrix : : : Energy, Correlation, Homogeneity, Contrast) CoocMatrix:输入参数,输入要计算的灰度共生矩阵。 Energy:输出参数,输出灰度的能量值,即纹理变化的均匀值。这个值越大,灰度变化越稳定。【灰度共生矩阵元素值的平方和】 Correlation:输出参数,输出灰度值的相关性。灰度相关性高,表示纹理在行或者列方向都飞车相似。 【它度量空间灰度共生矩阵元素在行或列方向上的相似程度,因此,相关值大小反映了图像中局部灰度相关性。当矩阵元素值均匀相等时,相关值就大;相反,如果矩阵像元值相差很大则相关值小。如果图像中有水平方向纹理,则水平方向矩阵的COR大于其余矩阵的COR值。】 Homogeneity:输出参数,输出局部相同的灰度值(局部均匀性)。 Contrast:输出参数,输出灰度值的对比度,或者说是灰度值的反差。这个值越大,反差越明显,表示边界越明显。 【反映了图像的清晰度和纹理沟纹深浅的程度。纹理沟纹越深,其对比度越大,视觉效果越清晰;反之,对比度小,则沟纹浅,效果模糊。灰度差即对比度大的象素对越多,这个值越大。灰度公生矩阵中远离对角线的元素值越大,CON越大。】 |
4、计算共生矩阵并导出其灰度值特征
Image图像 / Features特征 生成矩阵并输出矩阵(gen_cooc_matrix与cooc_feature_matrix的合体) cooc_feature_image(Regions, Image : : LdGray, Direction : Energy, Correlation, Homogeneity, Contrast) Regions:输入参数,表示要检查的区域。 Image:输入参数,输入灰度值图像。 LdGray:输入参数,灰度降级)表示图中灰度值的级数,即有多少种灰度颜色。默认为6。范围1-8。 Direction:输入参数,表示相邻灰度点对的计算方向。默认0,范围【0,45,90,135,mean表示各个方向的均值】。 Energy:输出参数,输出灰度值能量,即纹理变化的均匀性。这个值越大,灰度变化越稳定,纹理的均匀性比较高。【灰度共生矩阵元素值的平方和】 Correlation:输出参数,输出灰度值的相关性。灰度相关性高,表示纹理在行或者列方向都飞车相似。 【它度量空间灰度共生矩阵元素在行或列方向上的相似程度,因此,相关值大小反映了图像中局部灰度相关性。当矩阵元素值均匀相等时,相关值就大;相反,如果矩阵像元值相差很大则相关值小。如果图像中有水平方向纹理,则水平方向矩阵的COR大于其余矩阵的COR值。】 Homogeneity:输出参数,输出局部相同的灰度值(局部均匀性)。 Contrast:输出参数,输出灰度值的对比度,或者说是灰度值的反差。这个值越大,反差越明显,表示边界越明显。 【反映了图像的清晰度和纹理沟纹深浅的程度。纹理沟纹越深,其对比度越大,视觉效果越清晰;反之,对比度小,则沟纹浅,效果模糊。灰度差即对比度大的象素对越多,这个值越大。灰度公生矩阵中远离对角线的元素值越大,CON越大。】 |
参考文献:
杨青—《Halcon机器视觉算法原理与编程实战》
Gray-level Co-occurrence Matrix(灰度共生矩阵)https://blog.csdn.net/GarfieldEr007/article/details/49951005?locationNum=7&fps=1
Halcon 第四章『图像特征和提取』◆第3节:基于图像的纹理特征|灰度共生矩阵相关推荐
- Halcon 第四章『图像特征与提取』◆第1节:基于区域形状特征
第1节:区域形状特征&相关算子 定义是描述图像中局部区域的几何属性,如面积.中心等. 1.区域的面积和中心点 Image图像 / Features特征 计算区域的面积和中心点坐标 area_c ...
- 麻雀要革命 第四章 旋转!追逐游戏的命运齿轮 第一节
麻雀要革命 第四章 旋转!追逐游戏的命运齿轮 第一节[@more@] "上霞姐,您听说了吗?那个丑女人找蒙太要手机,他给了." "是啊,上霞稀,那个女人不过是坐在蒙太一旁 ...
- 高等数学笔记-乐经良老师-第四章-微分中值定理和导数的应用-第五节-曲线的曲率
高等数学笔记-乐经良 第四章 微分中值定理和导数的应用 第五节 曲线的曲率 一.弧长和弧微分 弧长 曲线内接折线长度的极限 ( 组成折线的线段长 → 0 \rightarrow 0 →0 ) 设曲 ...
- Glcm 灰度共生矩阵,保姆级别教程,获取图片的Glcm和基于Glcm的纹理特征,附讲解思路,python代码的实现
保姆级别教程,获取图片的Glcm和基于Glcm的纹理特征,附讲解思路,python代码的实现 网络上Glcm的原理很多,但是实现的python代码我确实没找到,讲的也不是很清楚 此文介绍了如何在一张图 ...
- Python计算树模型(随机森林、xgboost等)的特征重要度及其波动程度:基于熵减的特征重要度计算及可视化、基于特征排列的特征重要性(feature permutation)计算及可视化
Python计算树模型(随机森林.xgboost等)的特征重要度及其波动程度:基于熵减的特征重要度计算及可视化.基于特征排列的特征重要性(feature permutation)计算及可视化 目录
- Halcon 第七章『图像的几何变换』◆第1节:图像的仿射变换(位置变换、形状变换)及应用
一.介绍 由于相机拍摄的时候可能存在角度偏差,因此实际获得的画面可能会与想象中有所差异.为了校正图像在拍摄中的失真问题,可以对图像进行一些简单的几何变换,如平移.缩放和旋转等,这些是图形学中的基本几何 ...
- Halcon 第五章『模板匹配Matching』◆第5节:基于组件的模板匹配|Component-Based
一.介绍 基于组件的模板匹配是基于形状匹配的一种应用,也可以说是基于形状的模板匹配的加强版,加强的地方在于,这种方法允许模板中包含多个目标,并且允许目标之间存在相对运动(位移和旋转).区别在于基于形状 ...
- Python软件设计基础 第五节-基于图像相似度比较实现视频分镜
目录 一.前言 一.基础算法-判断两张图片是否相等/相似 (一)基于相等判断图像是否相同 (二)基于numpy计算图像是否相似 (三)基于哈希判断图像是否相似 (四)基于各种哈希计算图片相似度 1.均 ...
- Halcon 第七章『图像的几何变换』◆第2节:投影变换
一.介绍 投影变换也叫透射变换.投影映射.透射变换是将图像投影到一个新的视平面,是一种二维坐标到三维坐标的变换. 透射变换是仿射变换的延续,也可以说仿射变换是透射变换的一种特殊形式.其特殊性在于变换后 ...
- Halcon 第三章『Morphology形态学』◆第3节:顶帽运算与底帽运算
顶帽运算 顶帽运算(也称之为礼帽运算)是原始图像减去图像开运算(先腐蚀,后膨胀)的结果,得到图像的噪声. 顶帽运算对于增强阴影部分的细节很有用.开运算将消去图像中部分灰度值较高的部分,用原图减去开运算 ...
最新文章
- 你必须会的 JDK 动态代理和 CGLIB 动态代理
- 我对浮动的认识(一)
- 高效程序员常用的工具
- tuxedo管理命令之tmadmin
- 友盟iOS微信登陆没有回调的原因
- WINDOWS下SQL2016安装
- windows 安全删除硬件并弹出媒体 选项灰色、无法弹出
- 用VS新建多层架构时引用第三方dll 时清理解决方案时,放bin文件夹下的bll被清空问题
- java excel 数组公式_Apache poi中的数组公式
- Hibernate Criteria的 Criterion,Projection,Restrictions等条件设置
- 机器人系统 是局域linux,一种基于命令行接口的机器人测试系统及测试方法
- 某网站电商运营数据分析案例
- Windows8和MacOS10.9双系统安装及Mac常用软件安装--联想E49A
- 【开发必备】快来收藏!涵盖日常开发中所需要的60多个正则验证!!
- [UOJ] #261 天天爱跑步
- Network学习11_Pcap包拆分工具pkt2flow介绍
- [音乐孩子王08 最终回][大野智/千纱/片瀬那奈/丸山隆平]
- python连接打印机打印文档、图片、pdf文件等
- ViewPager的使用方法
- 去西湖赴妖娆的荷影盛宴
热门文章
- mysql高级查询之性能分析explain和日志查看
- c 语言打印26个大写字母怎么读,26个大写字母读法
- 关于铭锐办公系统运行节资统计
- 服务器装win7找不到硬盘驱动,Windows 7安装问题时找不到硬盘驱动器怎么办
- datagird无法deleteRow
- kotlin数字与java数字的不同
- 智能颈部按摩仪设计——2.开发环境搭建
- python操作 e'xcel表格
- STM32 ST-LINK Utility使用步骤
- 中标麒麟linux配置网卡,中标麒麟Linux v7系统下设置双网卡bond或team绑定详细过程...