场景图像中纹理特征的表达与计算研究

朱樱

【摘要】纹理特征是从纹理图像中计算出来的一个值，他对纹理内部灰度级变化的特征进行量化。本次设计利用统计法中的灰度共生矩阵统计方法，对图像的熵、能量、惯性矩、相关性四个纹理特征进行提取；和利用灰度直方图方法计算图像的平均值、方差、熵和能量。

【关键词】图像纹理 共生矩阵 灰度直方图 熵 能量

一、课题研究的背景

随着科技的快速发展，图像越来越成为人类生活和工作中用于传递信息和进行交流的重要数据载体，图像的有效表示是进一步处理图像的重要基础。用各种观察系统取得的图像很多都是纹理型的，可以通过图像的纹理分析提取许多有价值的宏观信息。纹理反映了物体表面或结构的性质。类似于布纹、草地、砖墙等重复性结构的图像称为纹理图像。直觉上，纹理是比较明显的，但是由于纹理的变化很多并且是与心理效果相关的，很难精确描述。纹理特征包含了物体表面结构排列的重要信息以及它们与周围环境的联系。正因为如此，纹理特征在基于内容的场景图像检索、场景图像识别中得到了广泛的应用。

二、系统的框架设计

2.1文件操作模块

将指定位图文件的数据读入到相应的数据结构中，以便进一步处理，该模块主要是对图像进行打开操作。

用文件操作获得一个图片对象。用bufferedimage接受这个文件，并用图片的属性宽和高来判断此文件是否为图片文件，若添加的文件宽和高为0，则不是图片格式，此时会提示重新添加。

2.2特征值计算模块

2.2.1基于灰度共生矩阵分析方法计算特征值

Step1：将原图转换为灰度图像

获得图像中一点的像素值，使用bufferedimage.getRGB（i，j）获得该点的颜色值ARGB，然后再将ARGB转化为RGB。进而求出R，G，B三分量的值。根据灰度公式： Gray=（R*30+G*59+B*11+50）/100可以计算出灰度值，从而将原图转换为灰度图像。

Step2：灰度级量化

灰度图像的灰度级为256，在计算由灰度共生矩阵推导出的纹理特征时，要求图像的灰度级远小于256，主要是因为矩阵维数较大而窗口的尺寸较小则灰度共生矩阵不能很好表示纹理，如要能够很好表示纹理则要求窗口尺寸较大，这样使计算量大大增加，而且当窗口尺寸较大时对于每类的边界区域误识率较大。所以在计算灰度共生矩阵之前要对图片进行量化以减小图像的灰度级，在不影响纹理特征的前提下往往先把原图片的灰度级压缩到较小范围。本次研究中压缩为8个灰度级（将所求出灰度除以32取整），虽然经过量化后的图片会失真，但对纹理特征影响不大。

Step3：得到灰度共生矩阵

先选择一定大小的滑动窗口，这里对于每一特征都以5×5的窗口计算。取5×5中任意一点 （x，y）及偏离它的另一点（x+a，y+b），求出这两点的灰度值为（i，j）。令点（x，y）在画面上移动，会得到各种（i，j）的值。对整个画面，统计出每一种（i，j）值出现的次数，然后排成一个方阵，再用（i，j）出现的总次数将它们归一化为出现的频率P（i，j）。其中（a，b）是距离差分值，当a=1，b=0时，像素对是平行的，即0度扫描；a=0，b=1时，像素对垂直，即90度扫描；a=1，b=1时，是右对角线，即45度扫描；a=-1，b=1时，是左对角线，即135度扫描。

在程序中实现时，是按一定的比例来判断角度的。当（x+任意数，y+0）时，即0度扫描；当（x，y）加相同的数时，即45度扫描；当（x=0，y+任意数）时，即90度扫描；当（x，y）加上相反数时，即135度扫描；

这样，两个像素灰度级同时发生概率，就将（x，y）的空间坐标转化为“灰度对”（i，j）的描述，形成了灰度共生矩阵。

相关性是度量空间灰度共生矩阵元素在行或列方向上的相似程度，反映图像的局部灰度相关性。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。

2.2.2基于灰度直方图分析方法计算特征值

直方图是灰度的一阶概率分布的离散化形式。灰度直方图表明了一副图像灰度分布的总体统计特征，图像各像元的灰度值是具有二维位置的信息，而直方图只统计某一灰度值的像元有多少，占全幅像元的比例是多少，对那些有同一灰度的像元在图像中所占位置则无信息。由于直方图是总体灰度的概念，所以不同的图像可能具有相同的直方图。直方图具有可叠性，即若一副图像分为若干小区，则每个小区都可分别作直方图，而原图像的总直方图为各区直方图之和，各小区的形状、大小都可随意选择。

Step1：将原图转换为灰度图像

获得图像中一点的像素值，使用bufferedimage.getRGB（i，j）获得该点的颜色值ARGB，然后再将ARGB转化为RGB。进而求出R，G，B三分量的值。根据灰度公式： Gray=（R*30+G*59+B*11+50）/100可以计算出灰度值，从而将原图转换为灰度图像。

Step2：求灰度直方图

先是初始化一个大小为256的一维数组，该数组下标作为灰度级，数组中存放对应灰度级出现的频率。然后从图片中获得的灰度每出现一次，相对应的频率加一，最终放入一維数组中，从而得到灰度直方图。直方图的具体显示是利用JAVA第三方的插件Jfreechart，以折线统计图的形式显现出来。

Step3：利用灰度直方图，求特征值：熵、能量、平均值和方差

（1）均值： （3.9）

反映的是一幅图像的平均灰度值。

（2）方差：

（3.10）

反映一副图像的灰度在数值上的离散分布情况。

（3）熵： （3.11）

反映了灰度直方图的分布均匀情况。

（4）能量：

（3.12）

反映灰度分布的均匀程度，灰度分布较均匀时，能量大，反之则小。

参考文献：

[1]刘丽，匡纲要.图像纹理特征提取方法综述.中国图像图形学报，2009

[2]鲁斯.数字图像处理.电子工业出版社，2014