纹理滤波、灰度共生矩阵
2015-08-18 15:23
337 查看
纹理滤波可用于查找边界等,有时候比其他描述(如亮度)的效果更好
主要思想:定义滤波准则+滤波核的大小(比如,3x3的核内,核中心的像素值 = 核内的最大值-最小值)
灰度共生矩阵:
在灰度共生矩阵中元素(i,j)的值(数量) = 像素值为i 和像素值为j的像素满足’特定关系的位置‘的对的个数,比如i在j的左边(默认)。
其中:’特定关系‘可以认为设定()。
下图显示了如何求解灰度共生矩阵,以(1,1)点为例,GLCM(1,1)值为1说明只有一对灰度为1的像素水平相邻。GLCM(1,2)值为2,是因为有两对灰度为1和2的像素水平相邻。
灰度共生矩阵不仅表示了纹理之间的关系,而且还表示了空间位置的关系,所以应用比较广泛。灰度共生矩阵能推导出一些列评价标准,如下:
灰度共生矩阵的特征:
角二阶矩(Angular Second Moment, ASM)
ASM=sum(p(i,j).^2) p(i,j)指归一后的灰度共生矩阵
角二阶矩是图像灰度分布均匀程度和纹理粗细的一个度量,当图像纹理绞细致、灰度分布均匀时,能量值较大,反之,较小。
熵(Entropy, ENT)
ENT=sum(p(i,j)*(-ln(p(i,j)))
是描述图像具有的信息量的度量,表明图像的复杂程序,当复杂程序高时,熵值较大,反之则较小。
反差分矩阵(Inverse Differential Moment, IDM)
IDM=sum(p(i,j)/(1+(i-j)^2))
反映了纹理的清晰程度和规则程度,纹理清晰、规律性较强、易于描述的,值较大;杂乱无章的,难于描述的,值较小。
灰度共生矩阵主要应用
主要用在图像分割,如指纹的分割等
主要思想:定义滤波准则+滤波核的大小(比如,3x3的核内,核中心的像素值 = 核内的最大值-最小值)
灰度共生矩阵:
在灰度共生矩阵中元素(i,j)的值(数量) = 像素值为i 和像素值为j的像素满足’特定关系的位置‘的对的个数,比如i在j的左边(默认)。
其中:’特定关系‘可以认为设定()。
下图显示了如何求解灰度共生矩阵,以(1,1)点为例,GLCM(1,1)值为1说明只有一对灰度为1的像素水平相邻。GLCM(1,2)值为2,是因为有两对灰度为1和2的像素水平相邻。
灰度共生矩阵不仅表示了纹理之间的关系,而且还表示了空间位置的关系,所以应用比较广泛。灰度共生矩阵能推导出一些列评价标准,如下:
灰度共生矩阵的特征:
角二阶矩(Angular Second Moment, ASM)
ASM=sum(p(i,j).^2) p(i,j)指归一后的灰度共生矩阵
角二阶矩是图像灰度分布均匀程度和纹理粗细的一个度量,当图像纹理绞细致、灰度分布均匀时,能量值较大,反之,较小。
熵(Entropy, ENT)
ENT=sum(p(i,j)*(-ln(p(i,j)))
是描述图像具有的信息量的度量,表明图像的复杂程序,当复杂程序高时,熵值较大,反之则较小。
反差分矩阵(Inverse Differential Moment, IDM)
IDM=sum(p(i,j)/(1+(i-j)^2))
反映了纹理的清晰程度和规则程度,纹理清晰、规律性较强、易于描述的,值较大;杂乱无章的,难于描述的,值较小。
灰度共生矩阵主要应用
主要用在图像分割,如指纹的分割等
相关文章推荐
- storm集群的安装和部署
- 端口镜像和链路汇聚
- c#基础之数组
- 如何查看存储过程中动态生成的sql
- 解决用VideoView 播放一些视频无法播放问题
- 回文数猜想
- freeSwitch1.7+vBilling centos6.6 mini install
- window.onresize(当你改变窗口大小的时候会触发这个事件)
- SurfaceView和View区别总结
- 比较简单和理解的下拉框联动实现
- git的使用
- LINQ To SQL 语法及实例大全【转】
- [Java] public, private, protected
- PhantomJS linux系统下安装步骤及使用方法(网页截屏功能)
- c#基础之数组
- oc 中的.m和.mm文件区别
- android 一个公共的适配器,简化适配器代码
- 读Effective Objective C总结(一)
- Mysql分表分区
- 利用openssl_random_pseudo_bytes和base64_encode函数来生成随机字符串