图像中通常采用自相关函数作为纹理测度

自相关函数的定义为:

​

调用自定义函数 zxcor()对砖墙面和大理石面纹理进行分析:

自定义函数 zxcor():

function [epsilon,eta,C] = zxcor( f,D,m,n )
% 自相关函数zxcor(),f为读入的图像数据,D为偏移距离,[m,n]是图像的尺寸数据,返回图像相关函数C的值
% epsilon和eta是自相关函数C的偏移变量
for epsilon=1:D
for eta=1:D
temp = 0;
fp = 0;
for x=1:m
for y=1:n
if(x+epsilon-1)>m | (y+eta-1)>n
f1=0;
else
f1 = f(x,y)*f(x+epsilon-1,y+eta-1);
end
temp = f1+temp;
fp = f(x,y)*f(x,y)+fp;
end
end
f2(epsilon,eta)=temp;
f3(epsilon,eta)=fp;
C(epsilon,eta) = f2(epsilon,eta)/f3(epsilon,eta);
end
end
epsilon = 0:(D-1);
eta = 0:(D-1);
end

调用函数的测试代码如下:

close all;clear all;clc;
f11 = imread('zhuanqiang.jpg');
f1 = rgb2gray(f11);
f1 = double(f1);
[m,n] = size(f1);
D = 20;
[epsilon1,eta1,C1]=zxcor(f1,D,m,n);
f22 = imread('dalishi.jpg');
f2 = rgb2gray(f22);
f2 = double(f2);
[m,n] = size(f2);
[epsilon2,eta2,C2]=zxcor(f2,20,m,n);
figure;
subplot(121);imshow(f11);title('砖墙');
subplot(122);imshow(f22);title('大理石');
figure;
subplot(121);mesh(epsilon1,eta1,C1);
xlabel('epsilon');ylabel('eta');title('砖墙');
subplot(122);mesh(epsilon2,eta2,C2);
xlabel('epsilon');ylabel('eta');title('大理石');

实验输出如下:

​

​

可以看到,自相关函数随着   和  的增加,砖墙的下降趋势比大理石的要快很多。可见砖墙表面的粗糙度更大。大理石面纹理的自相关函数下降幅度较小,说明其纹理表面相对光滑。

纹理特征描述之自相关函数法 纹理粗糙性与自相关函数的扩展成正比 matlab代码实现的更多相关文章

  1. 纹理特征描述之灰度差分统计特征(平均值 对比度 熵) 计算和比较两幅纹理图像的灰度差分统计特征 matlab代码实现

    灰度差分统计特征有: 平均值:​ 对比度:​ 熵:​ i表示某一灰度值,p(i)表示图像取这一灰度值的概率 close all;clear all;clc; % 纹理图像的灰度差分统计特征 J = i ...

  2. python实现gabor滤波器提取纹理特征 提取指静脉纹理特征 指静脉切割代码

    参考博客:https://blog.csdn.net/xue_wenyuan/article/details/51533953 https://blog.csdn.net/jinshengtao/ar ...

  3. 图像特征与描述子(直方图, 聚类, 边缘检测, 兴趣点/关键点, Harris角点, 斑点(Blob), SIFI, 纹理特征)

    1.直方图 用于计算图片特征,表达, 使得数据具有总结性, 颜色直方图对数据空间进行量化,好比10个bin 2. 聚类 类内对象的相关性高 类间对象的相关性差 常用算法:kmeans, EM算法, m ...

  4. 【图像算法】图像特征:GLCM灰度共生矩阵,纹理特征

    [图像算法]图像特征:GLCM SkySeraph Aug 27th 2011  HQU Email:zgzhaobo@gmail.com    QQ:452728574 Latest Modifie ...

  5. LBP纹理特征[转自]

    LBP方法(Local binary patterns)是一个计算机视觉中用于图像特征分类的一个方法.LBP方法在1994年首先由T. Ojala, M.Pietikäinen, 和 D. Harwo ...

  6. Kaggle "Microsoft Malware Classification Challenge"——就是沙箱恶意文件识别,有 Opcode n-gram特征 ASM文件图像纹理特征 还有基于图聚类方法

    使用图聚类方法:Malware Classification using Graph Clustering 见 https://github.com/rahulp0491/Malware-Classi ...

  7. 特征描述之LBP

    LBP 在数字图像处理和模式识别领域,LBP指局部二值模式,英文全称:Local Binary Patterns.最初功能为辅助图像局部对比度,并不是一个完整的特征描述子. 后来提升为一种有效的纹理描 ...

  8. GIST特征描述符使用

    来源:http://www.cnblogs.com/justany/archive/2012/12/06/2804211.html 一种场景特征描述 场景特征描述? 通常的特征描述符都是对图片的局部特 ...

  9. GIST特征描述符使用(转)

    GIST特征描述符使用 一种场景特征描述 场景特征描述? 通常的特征描述符都是对图片的局部特征进行描述的,以这种思路进行场景描述是不可行的. 比如:对于“大街上有一些行人”这个场景,我们必须通过局部特 ...

随机推荐

  1. Centos6系统启动流程

    Centos6系统启动流程   一.CentOS 5和6的启动流程 Linux内核:存在于/boot分区,是整个操作系统的最底层,它负责整个硬件的驱动,以及提供各种系统所需的核心功能,包括防火墙机制. ...

  2. [唐胡璐]Selenium技巧- 抓图并保存到TestNG报告中

    这里不讲解怎么在Eclipse安装配置TestNG,网上一搜一大把,大家自己去实践一下。 在这里主要说一下用Java来实现Selenium Webdriver的截图功能和把截图写到TestNG的报告中 ...

  3. Waiting (TTFB) 时间

    什么是 Waiting (TTFB) 时间 TTFB 是 Time to First Byte 的缩写,指的是浏览器开始收到服务器响应数据的时间(后台处理时间+重定向时间),是反映服务端响应速度的重要 ...

  4. Visual Studio 2019 激活

    Visual Studio 2019 Enterprise 企业版:BF8Y8-GN2QH-T84XB-QVY3B-RC4DF Visual Studio 2019 Professional 专业版: ...

  5. JAVA实现四则运算的简单计算器

    开发环境eclipse java neon. 今天用JAVA的swing界面程序设计制作了一个四则运算的简易计算器.代码以及截图如下: computer.java: ///////////////// ...

  6. [Luogu] Mayan游戏

    https://www.luogu.org/problemnew/show/P1312 太恶心了 #include <cstdio> #include <algorithm> ...

  7. Jury Compromise

    K - Jury Compromise 参考:ACM POJ 1015 Jury Compromise(陪审团的人选,动态规划题,难) 说实话真有点难想,用一个DP[i][j]来表示在选取i个人,辩控 ...

  8. ARP输入 之 arp_rcv

    概述 arp_rcv是ARP包的入口函数,ARP模块在二层注册了类型为ETH_P_ARP的数据包回调函数arp_rcv,当收到ARP包时,二层进行分发,调用arp_rcv: arp_rcv对ARP输入 ...

  9. Kafka Eagle 安装

    Kafka Eagle 是一款开源的 Kafka 集群监控系统. 一.下载 https://download.kafka-eagle.org/ 二.安装 # 解压 .tar.gz -C /opt/ / ...

  10. pytorch-LeNet网络

    LeNet网络的结构 输入的32x32x1的单通道图片, 第一层网络: 3x3x1x6的卷积层,步长为1, padding = 1, 经过2x2的池化操作 第二层网络: 5x5x6x16的卷积层, 步 ...