CN106558075A - 基于像素插值的任意灰度共生矩阵的计算方法及应用 - Google Patents
基于像素插值的任意灰度共生矩阵的计算方法及应用 Download PDFInfo
- Publication number
- CN106558075A CN106558075A CN201611065265.5A CN201611065265A CN106558075A CN 106558075 A CN106558075 A CN 106558075A CN 201611065265 A CN201611065265 A CN 201611065265A CN 106558075 A CN106558075 A CN 106558075A
- Authority
- CN
- China
- Prior art keywords
- glcm
- relative position
- value
- formula
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明公开了一种基于像素插值的任意灰度共生矩阵的计算方法及应用,通过像素插值和统计得到图像关于任意相对位置的GLCM,使GLCM的计算不限于具体角度、距离等限制。从而使GLCM在各领域的应用变得更加便利,拓展了GLCM的应用空间和应用效果。
Description
技术领域
本发明涉及一种GLCM(灰度共生矩阵,Gray-level co-occurrence matrix)的计算方法,尤其涉及一种基于像素插值的任意灰度共生矩阵的计算方法及应用。
背景技术
GLCM是一种通过灰度的空间相关特性来描述纹理的常用分析工具。纹理能从许多可视表面中被人的视觉自然地识别出来,并给人一些特别的感觉,如方向感、周期感和粗糙感等。作为可视表面的内在属性,纹理在众多领域都是非常重要的研究课题。许多围绕纹理的研究工作都是在探索如何更好地提取纹理的特征来对其进行客观描述,GLCM便是其中一种发展起来的统计分析工具。
传统的GLCM本质上是满足特定相对位置关系的像素对的灰度值联合概率分布。该矩阵可以通过对图像中的像素对进行统计得到。从该矩阵可以导出图像的二阶统计参数,这些参数分别表征了图像纹理的不同特性。有研究表明纹理和纹理之间的区别极大地依赖于纹理的二阶统计上的差异,因此由GLCM导出的二阶统计参数对于图像纹理的识别、分类等而言都是非常重要的。但是传统GLCM图像纹理分析受图像像素位置的限制,一般只考虑特定方向上的GLCM(通常为图像的水平方向、垂直方向和对角线方向);因此,需要发明一种可计算图像关于任意相对位置的GLCM的计算方法。
发明内容
本发明针对现有技术中,GLCM计算存在的上述技术问题,提供一种基于像素插值的任意灰度共生矩阵的计算方法,为GLCM在各领域的应用提供便利。
本发明的另一方面,还示例性地提供了基于像素插值的任意灰度共生矩阵的计算方法的两种具体应用。
本发明中,所述“任意灰度共生矩阵”是指任意相对位置的灰度共生矩阵。
为此,本发明采用如下技术方案:
基于像素插值的任意灰度共生矩阵的计算方法,包括如下步骤:
S1:选取图像,设置待计算的GLCM对应的相对位置,相对位置用相对方向与图像水平方向的夹角θ和相对位置两端的距离r来表征;
S2:图像所在区域中任意位置的值可由附近像素上的值插值和取整得到;
令满足相对位置(r,θ)的待统计的“位置对”的起始端与图像像素重合,其值为像素值,而末尾端上的值由末尾端附近像素上的值插值和取整得到;
通过公式(一)和公式(二)对这些“位置对”进行统计计算,得到相对位置(r,θ)对应的GLCM的矩阵元素;当所有矩阵元素计算完后,便得到了相对位置(r,θ)对应的GLCM,GLCM第m行第n列的矩阵元素计算公式如下:
其中:G(m,n;r,θ)表示相对位置(r,θ)对应的GLCM中第m行第n列的元素值;“card”表示集合中的元素数目;表示图像所在区域;表示图像的像素集合;f(i,j)和f(i+rcosθ,j+r sinθ)分别表示满足相对位置(r,θ)的待统计的“位置对”中起始端和末尾端的值,这里位置以矩形坐标系的坐标表示,该坐标系以图的水平方向和垂直方向作为坐标系的两轴;此处归一化因子Q(r,θ)为
或者,令满足相对位置(r,θ)的待统计的“位置对”的末尾端与图像像素重合,其值为像素值,而“位置对”起始端上的值由起始端邻近像素上的值插值和取整得到;
通过公式(三)和公式(四)对这些“位置对”进行统计计算,得到相对位置(r,θ)对应的GLCM的矩阵元素;当所有矩阵元素计算完后,便得到了相对位置(r,θ)对应的GLCM,GLCM第m行第n列的矩阵元素计算公式如下:
或者,待统计的“位置对”两端上的值都由邻近像素上的值插值和取整得到;
通过公式(五)和公式(六)对这些“位置对”进行统计计算,得到相对位置(r,θ)对应的GLCM的矩阵元素;当所有矩阵元素计算完后,便得到了相对位置(r,θ)对应的图像的GLCM,GLCM第m行第n列的矩阵元素计算公式如下:
本发明的另一方面,还示例性地提供了基于像素插值的任意灰度共生矩阵的计算方法的两种具体应用:
基于像素插值的任意灰度共生矩阵的计算方法在对称GLCM中的应用。
基于像素插值的任意灰度共生矩阵的计算方法在纹理方向估算中的应用。
本发明的基于像素插值的任意灰度共生矩阵的计算方法,通过像素插值和统计得到图像关于任意相对位置的GLCM,使GLCM在各领域的应用变得更加便利,拓展了GLCM的应用空间和应用效果。
附图说明
图1为本发明的示意图;
图2为本发明具体实施例中待求GLCM的图像;
图3-1至图3-2分别为由传统GLCM计算方法和本发明的方法计算得到的相对位置对应的图像的GLCM,其中相对位置中距离的单位为:像素间距;
图4-1至图4-2分别为由传统GLCM计算方法和本发明的方法计算得到的相对位置(10,0°)对应的图像的GLCM,其中相对位置中距离的单位为:像素间距;
图5-1至图5-2分别为由传统GLCM计算方法和本发明的方法计算得到的相对位置对应的图像的GLCM,其中相对位置中距离的单位为:像素间距;
图6-1至图6-2分别为由传统GLCM计算方法和本发明的方法计算得到的相对位置(10,90°)对应的图像的GLCM,其中相对位置中距离的单位为:像素间距;
图7-1至图7-4分别为本发明的方法计算得到的相对位置(10,-67.5°)、(10,-22.5°)、(10,22.5°)、(10,67.5°)对应的图像的GLCM,其中相对位置中距离的单位为:像素间距;
图8为采用包含本发明计算方法的纹理方向精细估算方法的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述。
实施例1:
本发明的基于像素插值的任意灰度共生矩阵的计算方法,包含如下步骤:
S1:选取图像,设置待计算的GLCM对应的相对位置,相对位置用相对方向与图像水平方向的夹角θ和相对位置两端的距离r来表征;
S2:图像所在区域中任意位置的值可由附近像素上的值插值和取整值得到;
令满足相对位置(r,θ)的待统计的“位置对”的起始端与图像像素重合,其值为像素值,而末尾端上的值由末尾端附近像素上的值插值和取整得到;
通过公式(一)和公式(二)对这些“位置对”进行统计计算,得到相对位置(r,θ)对应的GLCM的矩阵元素;当所有矩阵元素计算完后,便得到了相对位置(r,θ)对应的GLCM,GLCM第m行第n列的矩阵元素计算公式如下:
其中:G(m,n;r,θ)表示相对位置(r,θ)对应的GLCM中第m行第n列的元素值;“card”表示集合中的元素数目;表示图像所在区域;表示图像的像素集合;f(i,j)和f(i+rcosθ,j+r sinθ)分别表示满足相对位置(r,θ)的待统计的“位置对”中起始端和末尾端的值,这里位置以矩形坐标系的坐标表示,该坐标系以图的水平方向和垂直方向作为坐标系的两轴;此处归一化因子Q(r,θ)为
实施例2:
本实施例与实施例1的不同之处在于:
在步骤S2中,令满足相对位置(r,θ)的待统计的“位置对”的末尾端与图像像素重合,其值为像素值;而“位置对”起始端上的值由起始端邻近像素上的值插值和取整得到;
通过公式(三)和公式(四)对这些“位置对”进行统计计算,得到相对位置(r,θ)对应的GLCM的矩阵元素;当所有矩阵元素计算完后,便得到了相对位置(r,θ)对应的GLCM,GLCM第m行第n列的矩阵元素计算公式如下:
实施例3:
本实施例与实施例1的不同之处在于:
在步骤S2中,待统计的“位置对”两端上的值都由邻近像素上的值插值和取整得到;
通过公式(五)和公式(六)对这些“位置对”进行统计计算,得到相对位置(r,θ)对应的GLCM的矩阵元素;当所有矩阵元素计算完后,便得到了相对位置(r,θ)对应的GLCM,GLCM第m行第n列的矩阵元素计算公式如下:
为清楚起见,在图1中给出了本方法实施例1中待统计的“位置对”的几何说明,图中:圆点表示图像的像素位置;矩形区域ABCD即图像所在区域方点表示按照相对位置(r,θ)对像素位置(圆点所示)进行平移以后得到的位置;矩形区域AEFG中的圆点即公式(一)和公式(二)中待统计的满足相对位置(r,θ)的“位置对”的起始端位置;矩形区域A'E'F'G'中的方点即公式(一)和公式(二)中待统计的满足相对位置(r,θ)的“位置对”的末尾端位置。
类似地,我们也可以选取满足相对位置(r,θ)且末尾端与图像像素重合的“位置对”,对这些“位置对”进行公式(三)和公式(四)的统计计算得到相对位置(r,θ)对应的GLCM,即实施例2。
或者:选取满足相对位置(r,θ)的“位置对”,其两端上的值都由邻近像素上的值插值和取整得到。对这些“位置对”进行公式(五)和公式(六)的统计计算得到相对位置(r,θ)对应的GLCM,即实施例3。
下文给出一个图像GLCM的计算实例进行具体说明:
图2为待求GLCM的图像;首先分别采用传统的GLCM计算方法以及本发明给出的方法公式(一)和公式(二)计算了相对位置(10,0°)、及(10,90°)对应的图像的GLCM,结果在图3至图6中给出。这些相对位置(10,0°)、及(10,90°))是可以和图像的像素重合的,因此可以采用传统的GLCM计算方法来得到它们对应的图像的GLCM。从图3至图6的结果对比可以看到:在这些可与图像像素重合的相对位置上,由本发明给出的方法计算得到的GLCM,与传统GLCM计算方法得到的GLCM非常一致。其次,采用本发明给出的方法公式(一)和公式(二)计算了相对位置(10,-67.5°)、(10,-22.5°)、(10,22.5°)及(10,67.5°)对应的图像的GLCM,结果在图7-1至图7-4中给出。这些相对位置不能与图像像素重合,因此传统的GLCM计算方法是不能计算这些相对位置对应的图像的GLCM的。
实施例4:
通过本发明实施例1的计算方法得到的任意相对位置对应的GLCM,加上该矩阵的转置,再将矩阵和的所有矩阵元素都除以2,即得到对称的GLCM。
实施例5:
本发明可计算图像关于任意相对位置的GLCM,使GLCM在各领域的应用变得更加便利,拓展了GLCM的应用空间和应用效果。下文以本发明应用于纹理方向精细估算领域为例进行说明。
一种基于GLCM的纹理方向精细估算方法,采用了本发明提供的方法计算所需的GLCM,如图8所示,包括如下步骤:
步骤一:选取图像,将相对位置的方向和距离分别进行等间隔划分,方向以角度θ表示,角度划分范围为-90°到90°,其中“角度”为相对位置中的方向与图像水平方向之间的夹角,“距离”为相对位置两端的间距,用r表示;
这些GLCM可由本发明提供的计算方法(实施例1至实施例3中的任意一个)得到;
步骤二:不失一般性,假设图像的灰度范围为1到N;通过公式(七)或(八)计算这些等角度和等距离间隔的相对位置对应的GLCM的Z(r,θ),得到该图像的Z(r,θ)的等角度和等距离间隔的分布:
其中w(m,n)是关于GLCM的矩阵元素在矩阵中的位置和矩阵对角线之间距离的递增函数;显然,较大的矩阵元素越集中于GLCM的对角线附近,那么Z(r,θ)的值就越小;
如果采用(m-n)2作为w(m,n),那么公式(七)就变为:
此即对比度;
步骤三:计算参数Z的积分(求和)Z′:通过公式(九)来计算Z′(θ);
Z′(θ)=∫Z(r,θ)dr 公式(九)
实际应用中,可使用Z′(θ)的数值积分(离散求和)的形式,例如
其中,L表示距离r划分的数目,rl表示第l个距离。
步骤四:搜索Z′(θ)较为明显的极小值,确定纹理方向:
Z′(θ)的极小值所对应的方向即图像中的纹理方向。对于Z′(θ)有小幅波动起伏干扰的情况,可以先对Z′(θ)进行平滑去除小幅波动起伏干扰后,再搜索其明显的极小值确定纹理方向。
当然,本发明还可应用于其他技术领域解决具体的技术问题,上文所述应用于纹理方向精细估算仅是本发明的具体应用之一,不是用来限制本发明的应用领域。原则上,凡是应用本发明提供的方法计算GLCM都属于本发明的保护范围。
Claims (3)
1.基于像素插值的任意灰度共生矩阵的计算方法,包括如下步骤:
S1:选取图像,设置待计算的GLCM对应的相对位置,相对位置用相对方向与图像水平方向的夹角θ和相对位置两端的距离r来表征;
S2:图像所在区域中任意位置的值可由附近像素上的值插值和取整得到;
令满足相对位置(r,θ)的待统计的“位置对”的起始端与图像像素重合,其值为像素值,而末尾端上的值由末尾端附近像素上的值插值和取整得到;
通过公式(一)和公式(二)对这些“位置对”进行统计计算,得到相对位置(r,θ)对应的GLCM的矩阵元素;当所有矩阵元素计算完后,便得到了相对位置(r,θ)对应的GLCM,GLCM第m行第n列的矩阵元素计算公式如下:
其中,G(m,n;r,θ)表示相对位置(r,θ)对应的GLCM中第m行第n列的元素值;“card”表示集合中的元素数目;表示图像所在区域;P表示图像的像素集合;f(i,j)和f(i+rcosθ,j+rsinθ)分别表示满足相对位置(r,θ)的待统计的“位置对”的起始端和末尾端的值,这里位置以矩形坐标系的坐标表示,该坐标系以图的水平方向和垂直方向作为坐标系的两轴;此处归一化因子Q(r,θ)为
或者,令满足相对位置(r,θ)的待统计的“位置对”的末尾端与图像像素重合,其值为像素值,而“位置对”起始端上的值由起始端邻近像素上的值插值和取整得到;
通过公式(三)和公式(四)对这些“位置对”进行统计计算,得到相对位置(r,θ)对应的GLCM的矩阵元素;当所有矩阵元素计算完后,便得到了相对位置(r,θ)对应的GLCM,GLCM第m行第n列的矩阵元素计算公式如下:
或者,待统计的“位置对”两端上的值都由邻近像素上的值插值和取整得到;
通过公式(五)和公式(六)对这些“位置对”进行统计计算,得到相对位置(r,θ)对应的GLCM的矩阵元素;当所有矩阵元素计算完后,便得到了相对位置(r,θ)对应的GLCM,GLCM第m行第n列的矩阵元素计算公式如下:
2.基于像素插值的任意灰度共生矩阵的计算方法在对称GLCM中的应用。
3.基于像素插值的任意灰度共生矩阵的计算方法在纹理方向估算中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611065265.5A CN106558075B (zh) | 2016-11-28 | 2016-11-28 | 基于像素插值的任意灰度共生矩阵的计算方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611065265.5A CN106558075B (zh) | 2016-11-28 | 2016-11-28 | 基于像素插值的任意灰度共生矩阵的计算方法及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106558075A true CN106558075A (zh) | 2017-04-05 |
CN106558075B CN106558075B (zh) | 2020-01-31 |
Family
ID=58445328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611065265.5A Active CN106558075B (zh) | 2016-11-28 | 2016-11-28 | 基于像素插值的任意灰度共生矩阵的计算方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106558075B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198455A (zh) * | 2013-03-14 | 2013-07-10 | 哈尔滨工程大学 | 一种利用全变差最小化和灰度共生矩阵的图像去噪方法 |
CN103605958A (zh) * | 2013-11-12 | 2014-02-26 | 北京工业大学 | 一种基于灰度共生矩阵和小波分析的活体人脸检测方法 |
CN105760877A (zh) * | 2016-02-19 | 2016-07-13 | 天纺标检测科技有限公司 | 一种基于灰度共生矩阵模型的羊毛羊绒识别算法 |
-
2016
- 2016-11-28 CN CN201611065265.5A patent/CN106558075B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198455A (zh) * | 2013-03-14 | 2013-07-10 | 哈尔滨工程大学 | 一种利用全变差最小化和灰度共生矩阵的图像去噪方法 |
CN103605958A (zh) * | 2013-11-12 | 2014-02-26 | 北京工业大学 | 一种基于灰度共生矩阵和小波分析的活体人脸检测方法 |
CN105760877A (zh) * | 2016-02-19 | 2016-07-13 | 天纺标检测科技有限公司 | 一种基于灰度共生矩阵模型的羊毛羊绒识别算法 |
Non-Patent Citations (1)
Title |
---|
徐圆 等: "卫星高度计海面风速的校准与验证", 《海洋学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN106558075B (zh) | 2020-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103116875B (zh) | 自适应双边滤波图像去噪方法 | |
CN106780584B (zh) | 基于灰度共生矩阵的纹理方向精细估算方法 | |
CN106339707B (zh) | 一种基于对称性特征的仪表指针图像识别方法 | |
CN106597540B (zh) | 高斯束偏移成像方法及装置 | |
CN104200507B (zh) | 一种三维点云点法向量估计方法 | |
CN107908677B (zh) | 基于智能终端的小区房源展示方法及装置 | |
CN102779345A (zh) | 一种基于重心欧氏距离的点云精确配准方法 | |
CN102682115B (zh) | 一种基于Voronoi图的点密度专题图制作方法 | |
CN103336783A (zh) | 联合泰森多边形与反距离加权的密度图制图方法 | |
CN112560595A (zh) | 基于河流表面流速的河道断面流量计算方法 | |
CN105261031B (zh) | 基于梯度计算的直线检测方法及装置 | |
CN104048815A (zh) | 一种测量透镜畸变的方法及系统 | |
CN109472267A (zh) | 图片相似度比对算法 | |
CN102682424A (zh) | 基于边缘方向差值的图像放大处理方法 | |
CN108401565B (zh) | 基于改进的KAZE特征和Pseudo-RANSAC算法的遥感图像配准方法 | |
CN108088381A (zh) | 一种基于图像处理的非接触式微小间隙宽度测量方法 | |
CN105786957B (zh) | 一种基于单元格邻接关系与深度优先遍历的表格排序方法 | |
CN106127261A (zh) | 一种快速多分辨率灰度图像模板匹配方法 | |
CN103700110A (zh) | 全自动影像匹配方法 | |
CN103605979A (zh) | 一种基于形状片段的物体识别方法及系统 | |
CN109284520A (zh) | 一种dwg建筑图外墙快速提取方法 | |
CN106558075A (zh) | 基于像素插值的任意灰度共生矩阵的计算方法及应用 | |
CN104156952B (zh) | 一种抵抗形变的图像匹配方法 | |
CN108764136B (zh) | 一种在高分辨率遥感影像中识别建筑物的方法 | |
CN106780583B (zh) | 基于矩阵元素插值的任意灰度共生矩阵的计算方法及应用 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: Hangzhou City, Zhejiang province 310012 Xihu District Baochu Road No. 36 Applicant after: Second Institute of Oceanography, Ministry of Natural Resources Address before: Hangzhou City, Zhejiang province 310012 Xihu District Baochu Road No. 36 Applicant before: Second Institute of Oceanography, State Oceanic Administration |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |