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
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
- 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 ...
- 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 ...
- 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 ...
- 【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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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
- 开源Asp.net CMS mojoPortal-源码运行
1.下载mojoPortal源码 下载地址:http://mojoportal.codeplex.com/SourceControl/latest 我下载的版本是:2.4.0.9 MSSQL 以下是m ...
- MUI 实现下拉刷新上拉加载的简单例子
话不多说,直接上代码与效果图吧. <!doctype html> <html> <head> <meta charset="utf-8"& ...
- cookie和Session是啥?
HTTP是无状态(stateless)协议 http协议是无状态协议即不保存状态. 无状态协议的优点: 由于不需要保存记录,所以减少服务器的CPU和内存的资源的消耗.毕竟客户端一多起来保存记录的话对于 ...
- django session 加密cookie型
a. 配置 settings.py SESSION_ENGINE = 'django.contrib.sessions.backends.signed_cookies' # 引 ...
- Python3-def
def hello(): print("这是一个无参数的方法!") hello(); print("") def helloOne(str): print(st ...
- C# ado.net DataSet使用(五)
一.填充dataset class Program { private static string constr = "server=.;database=northwnd;integrat ...
- Acwing-286-选课(树上DP)
链接: https://www.acwing.com/problem/content/288/ 题意: 学校实行学分制. 每门的必修课都有固定的学分,同时还必须获得相应的选修课程学分. 学校开设了 N ...
- java+http文件夹上传
在web项目中上传文件夹现在已经成为了一个主流的需求.在OA,或者企业ERP系统中都有类似的需求.上传文件夹并且保留层级结构能够对用户行成很好的引导,用户使用起来也更方便.能够提供更高级的应用支撑. ...
- vundle
vundle插件的使用方法: http://adam8157.info/blog/2011/12/use-vundle-to-manage-vim-plugins http://adam8157.in ...
- XGBoost的优点
1. Gradient boosting(GB) Gradient boosting的思想是迭代生多个(M个)弱的模型,然后将每个弱模型的预测结果相加,后面的模型Fm+1(x)基于前面学习模型的Fm( ...