CN111915548B - 一种图像纹理评价方法及装置 - Google Patents

Abstract

本发明实施例提供了一种图像纹理评价方法、装置及电子设备。该方法包括：获取待评价的目标图像；生成目标图像的灰度共生矩阵；基于灰度共生矩阵中主对角线上的元素，确定目标图像的纹理锐化强度值；基于灰度共生矩阵中主对角线以外的元素，确定目标图像的纹理细腻程度值；将锐化强度值和纹理细腻程度值，确定为目标图像的图像纹理评价结果。与现有技术相比，应用本发明实施例提供的方案，可以对图像纹理进行更全面的评价。

Description

一种图像纹理评价方法及装置

技术领域

本发明涉及图像处理技术领域，特别是涉及一种图像纹理评价方法及装置。

背景技术

当前，为了获知图像的质量，通常会对图像质量进行评价。其中，图像纹理评价是图像质量评价的重要组成部分，所谓图像纹理评价是指对图像中纹理分布状态进行评价。

在相关技术中，利用MTF(Modulation Transfer Function，调制传递函数)极值，确定图像的纹理锐化强度值，并将该纹理锐化强度值作为图像纹理评价结果。

其中，该纹理锐化强度值能够粗粒度地反映出图像纹理的锐化程度。

但是，仅仅通过纹理锐化强度值对图像纹理进行评价，则会导致如下问题：对于包括相同内容的两张图像，当这两张图像的纹理锐化程度相同，而纹理细腻程度不同时，利用相关技术所得到的纹理评价结果是相同的。显然，这是不合理的。

因此，当前亟需一种图像纹理评价方法，以使得能够对图像纹理进行更全面的评价。

发明内容

本发明实施例的目的在于提供一种图像纹理评价方法、装置、电子设备及计算机可读存储介质，以使得能够对图像纹理进行更全面的评价。

具体技术方案如下：

第一方面，本发明实施例提供了一种图像纹理评价方法，所述方法包括：

获取待评价的目标图像；

生成所述目标图像的灰度共生矩阵；

基于所述灰度共生矩阵中主对角线上的元素，确定所述目标图像的纹理锐化强度值；

基于所述灰度共生矩阵中主对角线以外的元素，确定所述目标图像的纹理细腻程度值；

将所述锐化强度值和所述纹理细腻程度值，确定为所述目标图像的图像纹理评价结果。

第二方面，本发明实施例提供了一种图像纹理评价装置，所述装置包括：

图像获取模块，用于获取待评价的目标图像；

矩阵生成模块，用于生成所述目标图像的灰度共生矩阵；

强度值确定模块，用于基于所述灰度共生矩阵中主对角线上的元素，确定所述目标图像的纹理锐化强度值；

程度值确定模块，用于基于所述灰度共生矩阵中主对角线以外的元素，确定所述目标图像的纹理细腻程度值；

结果确定模块，用于将所述锐化强度值和所述纹理细腻程度值，确定为所述目标图像的图像纹理评价结果。

以上可见，应用本发明实施例提供的方案，在对目标图像的图像纹理进行评价时，可以首先生成该目标图像的灰度共生矩阵，进而，基于该灰度共生矩阵中的各个元素确定该目标图像的纹理锐化强度值和纹理细腻程度值，并将所确定的纹理锐化强度值和纹理细腻程度值确定为该目标图像的图像纹理评价结果。这样，基于生成的目标图像的灰度共生矩阵，便可以确定目标图像的纹理锐化强度值和纹理细腻程度值，避免了仅仅通过纹理锐化强度值对图像纹理进行评价导致的评价不合理的问题，使得能够对图像纹理进行更全面的评价。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为对一图像中单个像素点具有的灰度值进行统计得到的该图像的灰度直方图；

图2为本发明实施例提供的一种图像纹理评价方法的流程示意图；

图3(a)为一个具体实施例中，目标图像的灰度共生矩阵主对角线元素分布图；

图3(b)为对图3(a)所示主对角线元素分布图进行柯西分布拟合得到的拟合结果；

图4(a)为多个不同目标图像的灰度共生矩阵主对角线元素分布图；

图4(b)为对图4(a)所示的多个主对角线元素分布图分别进行柯西拟合分布得到的拟合结果；

图4(c)为对图4(a)所示的多个主对角线元素分布图分别进行柯西拟合分布得到的多个柯西分布尺寸参数；

图5为图2中步骤S204的一种具体实现方式的流程示意图；

图6(a)为一个具体实施例中，统计得到的每一纹理变化强度所对应的区域在目标图像中的分布数值分布图；

图6(b)为对图6(a)所示分布数值分布图进行两次混合高斯分布拟合得到的拟合结果；

图7(a)为针对多个不同的目标图像，分别统计得到的每一纹理变化强度所对应的区域在该目标图像中的分布数值分布图；

图7(b)为对图7(a)所示的多个分布数值分布图分别进行两次混合高斯分布拟合得到的拟合结果；

图7(c)为对图7(b)所示的多个拟合结果分别进行积分运算得到的计算结果；

图8为图5中步骤S501的一种具体实现方式的流程示意图；

图9为本发明实施例提供的一种图像纹理评价装置的结构示意图；

图10为一种纹理测试卡彩色枯叶图的示例图。

具体实施方式

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、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在相关技术中，利用MTF极值，确定图像的纹理锐化强度值，并将该纹理锐化强度值作为图像纹理评价结果。但是，仅仅通过纹理锐化强度值对图像纹理进行评价，则会导致如下问题：对于包括相同内容的两张图像，当这两张图像的纹理锐化程度相同，而纹理细腻程度不同时，利用相关技术所得到的纹理评价结果是相同的。显然，这是不合理的。为了解决相关技术中存在的问题，本发明实施例提供了一种图像纹理评价方法。

为了便于理解本发明实施例提供的一种图像纹理评价方法，下面，首先对本发明实施例中涉及到的图像的灰度共生矩阵(Gray-level co-occurrence matrix,GLCM)进行介绍。

灰度共生矩阵是一种通过研究图像中相隔某距离的两个像素点之间存在的灰度关系来描述图像纹理的常用方法。其中，对图像中单个像素点具有的灰度值进行统计得到的结果为图像的灰度直方图，对图像中保持某距离的两个像素点分别具有的灰度值进行统计得到的结果即为图像的灰度共生矩阵。具体的：

假设图像大小为M×M，该图像中任一像素点(x，y)与偏离该像素点某一距离的另一像素点(x+a，y+b)构成点对。那么，取该像素点(x，y)的灰度值g1以及另一像素点(x+a，y+b)的灰度值g2，便可以得到该点对的灰度值为(g1，g2)。这样，根据该图像中各个像素点的灰度值，便可以得到各种(g1，g2)。而当该图像的灰度值的级数为k时，(g1，g2)的组合共有k²种。

基于此，针对该大小为M×M的图像，可以统计出每一种(g1，g2)值出现的次数，然后排列成一个方阵，再针对每一种(g1，g2)，计算该种(g1，g2)在各种(g1，g2)出现的总次数中的概率P(g1，g2)，由此产生的矩阵即为该图像的灰度共生矩阵。显然，灰度共生矩阵是一k×k的方阵。

这样，两个象素灰度级同时发生的概率，就将图像中的像素点(x，y)和(x+a，y+b)的空间坐标转化为“灰度对”(g1，g2)的描述，从而得到了图像的灰度共生矩阵。

其中，灰度共生矩阵对图像纹理的描述包含了图像纹理的角度和距离(即宽度)两个方面。具体的：

纹理角度：θ＝arctan(b/a)；

纹理宽度：

基于上述介绍，可以直观地得到灰度共生矩阵所具有的以下两种性质：

1、当图像的灰度共生矩阵对角线上的各个元素值的数值较大时，说明在该纹理方向θ上存在纹理宽度为d的具有相同灰度值的像素点对，则在该纹理方向θ上，图像纹理的变化较为缓慢；

2、当图像的灰度共生矩阵对角线上的各个元素的数值均为零时，说明在该纹理方向θ上不存在纹理宽度为d的具有相同灰度值的像素点对，则在该纹理方向θ上，图像的各个像素点具有灰度变化，图像纹理可能存在频繁的变化。

其中，a和b取值可以根据图像纹理的周期分布特性来选择，不同的数值组合，可以得到不同情况下的图像的灰度共生矩阵。对于较细的纹理，即纹理变换较为缓慢的图像，可以选取(1，0)、(1，1)、(2，0)等较小的距离差分值。这样，可以使得到的灰度共生矩阵对角线上的数值较大。而当图像的纹理的变化越快时，得到的灰度共生矩阵对角线上的数值越小，而对角线两侧的值越大。

具体的，当a＝1，b＝0时，像素点对中两个点的位置关系是水平的，可以视为对图像进行0度扫描；当a＝0，b＝1时，像素点对中两个点的位置关系是垂直的，可以视为对图像进行90度扫描；当a＝1，b＝1时，像素点对中两个点的位置关系平行于连接图像左上角与右下角的对角线的，可以视为对图像进行45度扫描；当a＝-1，b＝1时，像素点对中两个点的位置关系平行于连接图像右上角与左下角的对角线的，可以视为对图像进行135度扫描。

可选的，一种具体实现方式中，图像的灰度值的级数可以为256，最小纹理宽度可以为1，纹理角度可以选择θ＝{0,90,180,270}。

例如，图1为一大小为7×7的图像的灰度直方图，该灰度直方图中显示了该图像中各个像素点的灰度值。其中，该图像的灰度值的级数为4，则(g1，g2)的组合共有16种。

情况一，当a＝1，b＝0时，则图1中像素点(x，y)与像素点(x+1，y+0)构成点对，则每一种(g1，g2)出现的次数为：(0,1)出现10次，(1,2)出现11次，(2,3)出现11次，(3,0)出现10次，其他种(g1，g2)均未出现，则可以得到如下矩阵A，其中，第一行到第四行表示g1分别为0,1,2,3，第一列到第四列表示g2分别为0,1,2,3；进而，得到该图像的灰度共生矩阵A’：

矩阵矩阵/>

情况二，当a＝1，b＝1时，则图1中像素点(x，y)与像素点(x+1，y+1)构成点对，则每一种(g1，g2)出现的次数为：(0,0)出现8次，(1,1)出现9次，(2,2)出现10次，(3,3)出现9次，其他种(g1，g2)均未出现则可以得到如下矩阵B，其中，第一行到第四行表示g1分别为0,1,2,3，第一列到第四列表示g2分别为0,1,2,3；进而，得到该图像的灰度共生矩阵B’：

矩阵矩阵/>

下面，首先对本发明实施例提供的一种图像纹理评价方法进行介绍。

图2为本发明实施例提供的一种图像纹理评价方法的流程示意图。其中，该方法可以应用于任一需要进行图像纹理评价的电子设备，例如，笔记本电脑、平板电脑、手机等。对此，本发明实施例不做具体限定，以下简称电子设备。

如图2所示，该方法可以包括如下步骤：

S201：获取待评价的目标图像；

S202：生成目标图像的灰度共生矩阵；

电子设备首先获取待评价的目标图像，进而便可以生成该目标图像的灰度共生矩阵。其中，目标图像所指代的是需要进行图像纹理评价的图像，并不具有任何其他限定意义。

可选的，一种具体实现方式中，电子设备可以在获取到目标图像后，生成该目标图像的灰度图，进而基于所得到的灰度图中各个像素点的灰度值生成该目标图像的灰度共生矩阵。

S203：基于灰度共生矩阵中主对角线上的元素，确定目标图像的纹理锐化强度值；

S204：基于灰度共生矩阵中主对角线以外的元素，确定目标图像的纹理细腻程度值；

S205：将锐化强度值和纹理细腻程度值，确定为目标图像的图像纹理评价结果。

在得到目标图像的灰度共生矩阵后，电子设备便可以基于灰度共生矩阵中主对角线上的元素，确定目标图像的纹理锐化强度值；并基于灰度共生矩阵中主对角线以外的元素，确定目标图像的纹理细腻程度值。进而，将所确定的锐化强度值和纹理细腻程度值，确定为目标图像的图像纹理评价结果。

其中，上述步骤S203与S204的执行顺序可以为：先执行步骤S203，再执行步骤S204，也可以为：先执行步骤S204，再执行步骤S203，还可以同时执行步骤S203与S204，只要保证步骤S203与S204均在上述步骤S202之后执行即可。

此外，对于电子设备可以通过多种方式执行上述步骤S203与S204，对此，本发明实施例不做具体限定。为了行文清晰，后续将会对电子设备执行上述步骤S203与S204的方式进行举例介绍。

可选的，一种具体实现方式中，上述目标图像可以为：纹理测试卡彩色枯叶图。其中，所谓纹理测试卡彩色枯叶图是由各种颜色、各种灰度值以及各种尺寸的圆层叠在一起构成的，也可以称为落币图，如图10所示。

其中，针对落币图，灰度共生矩阵包含了对落币图的图像纹理的角度和距离(即宽度)两个方面的描述。具体的：

纹理角度：θ＝arctan(b/a)；

纹理宽度：

具体的，当灰度共生矩阵对角线上的各个元素值的数值较大时，说明在该纹理方向θ上存在纹理宽度为d的具有相同灰度值的像素点对的数量较多，则在该纹理方向θ上，图像纹理的变化较为缓慢；

当灰度共生矩阵对角线上的各个元素的数值较小时，说明在该纹理方向θ上存在纹理宽度为d的具有相同灰度值的像素点对的数量较少，则在该纹理方向θ上，图像的各个像素点具有灰度变化，图像纹理可能存在频繁的变化。

显然，如果落币图的锐化强度很大，则该落币图的图像中的边缘宽度越窄且灰度值变化越大。这样，当θ＝0,d＝1时，则所构建的落币图的灰度共生矩阵的主对角线上的像素值会很小，则反之会很大。同样的，落币图中纹理越细腻清晰，则越可以导致所构建的灰度共生矩阵沿着远离对角线的方向发散。

以上可见，应用本发明实施例提供的方案，在对目标图像的图像纹理进行评价时，可以首先生成该目标图像的灰度共生矩阵，进而，基于该灰度共生矩阵中的各个元素确定该目标图像的纹理锐化强度值和纹理细腻程度值，并将所确定的纹理锐化强度值和纹理细腻程度值确定为该目标图像的图像纹理评价结果。这样，基于生成的目标图像的灰度共生矩阵，便可以确定目标图像的纹理锐化强度值和纹理细腻程度值，避免了仅仅通过纹理锐化强度值对图像纹理进行评价导致的评价不合理的问题，使得能够对图像纹理进行更全面的评价。

下面，对电子设备执行上述步骤S203，基于灰度共生矩阵中主对角线上的元素，确定目标图像的纹理锐化强度值的方式进行举例介绍。

可选的，由于对灰度共生矩阵中主对角线上的各个元素进行柯西分布拟合得到的柯西分布尺寸参数的变化与目标图像的锐化强度的变化之间存在对应关系，即：柯西分布尺寸参数越大，则该柯西分布尺寸参数对应的目标图像的锐化强度越大。因此，可以将柯西分布尺寸参数作为锐化强度的表征值。基于此，一种具体实现方式中，上述步骤S203可以包括如下步骤A1：

步骤A1：对灰度共生矩阵中主对角线上的各个元素进行柯西分布拟合，将拟合得到的柯西分布尺寸参数，确定为目标图像的纹理锐化强度值。

在得到目标图像的灰度共生矩阵后，电子设备便可以提取灰度共生矩阵中主对角线上的各个元素，并利用柯西分布(Cauchy distribution)对所提取到的各个元素进行拟合，从而得到柯西分布尺寸参数。这样，电子设备便可以将该柯西分布尺寸参数确定为目标图像的纹理锐化强度值。其中，柯西分布尺寸参数可以用字符γ表示，也可以用其他字符表示，这都是合理的。

例如，一个具体实施例中，目标图像的灰度值的级数为256，则在提取到灰度共生矩阵中主对角线上的各个元素之后，针对所提取到的每个元素，电子设备可以将该元素在灰度共生矩阵中的行数作为横坐标，该元素的值作为纵坐标，得到如图3(a)所示的该图像的灰度共生矩阵主对角线元素分布图。

进而，对图3(a)所示的主对角线元素分布图进行柯西拟合，便可以得到如图3(b)所示的拟合结果。针对所提取到的每个元素，图3(b)中的横坐标依然为该元素在灰度共生矩阵中的行数，纵坐标则为对该元素进行柯西拟合后得到的该元素的拟合值。

优选的，电子设备可以通过如下公式对图3(a)所示的主对角线元素分布图进行柯西拟合，得到如图3(b)所示的拟合结果。其中，该公式可以为：

其中，γ为柯西分布尺寸参数，x_i为灰度共生矩阵中主对角线上横坐标为i的元素，x₀为灰度共生矩阵中主对角线上数值最大的元素，1≤i≤k，k为目标图像的灰度值的级数。

这样，便可以拟合得到柯西分布尺寸参数，从而，电子设备可以将所得到的柯西分布尺寸参数确定为该目标图像的纹理锐化强度值。这样，在本实现方式中，电子设备便可以准确快速地确定目标图像的锐化强度值。

为了验证柯西分布尺寸参数的变化与目标图像的锐化强度的变化之间存在的对应关系：柯西分布尺寸参数越大，则该柯西分布尺寸参数对应的目标图像的锐化强度越大，本发明实施例给出如下验证内容：

针对多个目标图像，电子设备可以分别确定这些图像的灰度共生矩阵，并进一步确定这些图像的灰度共生矩阵主对角线元素分布图，如图4(a)所示。

进而，电子设备便可以分别对图4(a)所示的多个主对角线元素分布图进行柯西分布拟合，并得到多个拟合结果，如图4(b)所示；并得到多个柯西分布尺寸参数如图4(c)所示。

根据图4(c)所示的每个目标图像对应的柯西分布尺寸参数与多个目标图像中的纹理变化情况的比较，可以说明：

柯西分布尺寸参数越大，则该柯西分布尺寸参数对应的目标图像的锐化强度越大。也就是说，当一个目标图像对应的柯西分布尺寸参数越大时，则说明该目标图像的锐度越大，即该目标图像的纹理变化越频繁。

下面，对电子设备执行上述步骤S204，基于灰度共生矩阵中主对角线以外的元素，确定目标图像的纹理细腻程度值的方式进行举例介绍。

可选的，一种具体实现方式中，如图5所示，上述步骤S204可以包括如下步骤：

S501：基于灰度共生矩阵，确定用于表征目标图像中纹理变化量分布的权重矩阵；

S502：计算权重矩阵与灰度共生矩阵的乘积，作为目标图像的纹理分布矩阵；

在得到目标图像的灰度共生矩阵后，由于该灰度共生矩阵中的各个元素所表示的是：目标图像的每一点对所对应的灰度值(g1，g2)出现的概率，而由于每一点对所对应的灰度值(g1，g2)能够表征该点对中像素点(x，y)与像素点(x+a，y+b)的灰度值变化，从而进一步表征该点对中像素点(x，_y)与像素点(x+a，y+b)的纹理变化量。

基于此，基于灰度共生矩阵，电子设备便可以确定用于表征目标图像中纹理变化量分布的权重矩阵。

进一步的，在计算得到权重矩阵后，电子设备便可以计算该权重矩阵与目标图像的灰度共生矩阵的乘积，从而，得到目标图像的纹理分布矩阵。

其中，电子设备可以通过多种方式确定上述权重矩阵，对此，本发明实施例不做具体限定。为了行文清晰，后续将会对电子设备执行上述步骤S501的方式进行举例介绍。

S503：基于纹理分布矩阵中的各个元素，统计每一纹理变化强度所对应的区域在目标图像中的分布数值；

其中，纹理变化强度为目标图像中一像素对所对应的灰度级差；

由于在灰度共生矩阵中，通过灰度级差表征每一点对中像素点(x，y)与像素点(x+a，y+b)的灰度值变化，因此，电子设备所计算得到的纹理分布矩阵中的各个元素，便可以表征目标图像中每一灰度级差所对应的像素对在目标图像中所对应的区域的分布。而由于矩阵的行列数特点，在纹理分布矩阵中，针对同一灰度集差，其所对应的点对灰度值(g1，g2)可以存在不同的情况。

因此，将目标图像中一像素对所对应的灰度级差作为纹理变化强度，这样，在得到目标图像的纹理分布矩阵后，电子设备便可以基于纹理分布矩阵中的各个元素，统计每一纹理变化强度所对应的区域在目标图像中的分布数值。

其中，电子设备可以通过多种方式上述目标图像中的分布数值，对此，本发明实施例不做具体限定。

可选的，一种具体实现方式中，上述步骤S503可以包括如下步骤B1：

步骤B1：基于纹理分布矩阵中的各个元素，利用第一公式，统计每一纹理变化强度所对应的区域在目标图像中的分布数值；其中，第一公式为：

其中，f(k)为纹理变化强度k所对应的区域在目标图像中的分布数值，a_i,i+k为纹理分布矩阵中第i行第i+k列的元素，N为纹理变化矩阵的维度，k为整数。

显然，在本实现方式中，电子设备可以计算得到2N-2个分布数值。其中，针对上述纹理变化矩阵的维度N，根据矩阵乘法的计算规则，显然，纹理变化矩阵的维度与目标图像的灰度值的级数是相同的，因此，上述第一公式中的N N也可以表示目标图像的灰度值的级数。

为了便于更好地理解上述第一公式，下面通过一个例子进行介绍：

例如，纹理分布矩阵如矩阵C所示，并且矩阵C中的每个元素表示为C_i,j，其中，i为元素C_i,j在纹理分布矩阵中行数，j为元素C_i,j在纹理分布矩阵中列数。

矩阵

则矩阵C的维度为N，k的取值为-4，-3，-2，-1，1，2，3，4。

进而，根据上述第一公式，可以计算得到：

f(-4)＝C₅₁＝0.5；

f(-3)＝C₄₁+C₅₂＝0.3+0.2＝0.5；

f(-2)＝C₃₁+C₄₂+C₅₃＝0.1+0.2+0.4＝0.7；

f(-1)＝C₂₁+C₃₂+C₄₃+C₅₄＝0.5+0.1+0.5+0.2＝1.3；

f(1)＝C₁₂+C₂₃+C₃₄+C₄₅＝0.2+0.2+0.4+0.5＝1.3；

f(2)＝C₁₃+C₂₄+C₃₅＝0.3+0.3+0.2＝0.8；

f(3)＝C₁₄+C₂₅＝0.3+0.3＝0.6；

f(4)＝C₁₅＝0.1。

显然，计算得到的每个分布数值分别为纹理分布矩阵中平行于主对角线的一条斜线上的元素的和值。

S504：对统计得到的各个分布数值进行分布拟合，并基于所得到的拟合结果，确定目标图像的纹理细腻程度值。

在统计得到上述各个分布数值后，电子设备便可以对各个分布数值进行分布拟合，并进一步基于所得到的拟合结果，确定目标图像的纹理细腻程度值。

可选的，由于对统计得到的每一纹理变化强度所对应的区域在目标图像中的分布数值进行两次混合高斯分布拟合后，对拟合结果进行积分运算得到的运算结果的变化与目标图像的纹理细腻程度的变化之间存在对应关系，即：积分运算结果越小，则该积分运算结果对应的目标图像的纹理越细腻。因此，可以将对两次混合高斯分布拟合的拟合结果进行积分运算得到的运算结果作为纹理细腻程度的表征值。基于此，一种具体实现方式中，上述步骤S504可以包括如下步骤C1-C2：

步骤C1：对统计得到的各个分布数值进行两次混合高斯分布拟合，得到拟合结果；

步骤C2：对拟合结果进行积分运算，将积分运算的结果确定为目标图像的纹理细腻程度值。

在统计得到上述各个分布数值后，电子设备便可以利用高斯分布对所得到的各个分布数值进行两次拟合，得到拟合结果，并进一步的对拟合结果进行积分运算。这样，电子设备便可以将积分运算的结果确定为目标图像的纹理细腻程度值。其中，可以用预设的各种符号表示该纹理细腻程度值，这都是合理的。

例如，一个具体实施例中，目标图像的灰度级的技术为256，则电子设备可以统计得到2*256-2＝510个分布数值。

则在计算得到每个分布数值后，按照k从小到大的顺序，将每个k值对应的分布数值依次排列。进而，针对每个分布数值，将其在上述排列中的排序作为横坐标，该分布数值作为纵坐标，得到如图6(a)所示的每一纹理变化强度所对应的区域在目标图像中的分布数值分布图。

如图6(a)所示，该分布数值分布图中存在一个极小值，则电子设备可以分别对该极小值左侧和右侧的部分分布数值分布图进行一次混合高斯分布拟合，从而完成对统计得到的各个分布数值进行的两次混合高斯分布拟合。并在两次混合高斯分布拟合后，得到如图6(b)所示的拟合结果。

其中，针对每个分布数值，图6(b)中的横坐标依然为该分布数值在上述排列中的排序，纵坐标为对该分布数值进行混合高斯分布拟合后得到的该分布数值的拟合值。

进一步的，电子设备便可以对图6(b)所示的拟合结果进行积分运算，得到积分运算的结果，并将该结果确定为目标图像的纹理细腻程度值。这样，在本实现方式中，电子设备便可以准确快速地确定目标图像的纹理细腻程度值。

为了验证上述积分运算结果的变化与目标图像的纹理细腻程度的变化之间存在的对应关系：积分运算结果越小，则该积分运算结果对应的目标图像的纹理越细腻，本发明实施例给出如下验证内容：

针对多个目标图像，电子设备可以分别确定这些图像的灰度共生矩阵，并进一步分别确定这些图像的每一纹理变化强度所对应的区域在目标图像中的分布数值分布图，如图7(a)所示。

进而，电子设备可以分别对图6(a)所示的多个分布数值分布图分别进行两次混合高斯分布拟合得到的拟合结果，如图7(b)所示。并对图7(b)所示的多个拟合结果分别进行积分运算，得到多个积分运算结果如图7(c)所示。

根据图7(c)所述的每个目标图相对应的积分运算结果与多个目标图像中的纹理细腻情况的比较，可以说明：

积分运算结果越小，则该积分运算结果对应的目标图像的纹理越细腻。也就是说，当一个目标图相对应的积分运算结果越小时，则说明该目标图像的图像弱纹理越多，图像表现更细腻。

下面，对电子设备执行上述步骤S501，基于灰度共生矩阵，确定用于表征目标图像中纹理变化量分布的权重矩阵的方式进行举例介绍。

可选的，一种具体实现方式中，如图8所示，上述步骤S501可以包括如下步骤：

S801：确定灰度共生矩阵中的各个元素在预设的二维坐标系中对应的坐标点，以及主对角线对应的直线；

其中，每一元素对应的坐标点的横坐标为：基于该元素在灰度共生矩阵中的行数或列数所确定的，每一元素对应的坐标点的纵坐标为：基于该元素在灰度共生矩阵中的列数或行数所确定的；

在得到灰度共生矩阵后，电子设备便可以确定灰度共生矩阵中的各个元素在预设的二维坐标系中对应的坐标点，以及主对角线对应的直线。

其中，灰度共生矩阵中的每个元素均具有一个行数和一个列数，该行数和列数表征了该元素在灰度共生矩阵中的位置。显然，当基于灰度共生矩阵预设一个二维坐标系后，灰度共生矩阵中每个元素所对应的位置视为一个坐标点，即基于每个元素在灰度共生矩阵中的行数和列数，电子设备可以确定该元素对应的坐标点在该二维坐标系中的横坐标和纵坐标。

进一步的，灰度共生矩阵主对角线上的各个元素所对应坐标点构成了一条直线，由于基于预设的二维坐标系及每个元素在灰度共生矩阵中的行数和列数，可以确定每个元素对应的坐标点在该二维坐标系中的横坐标和纵坐标，或者，由于基于预设的二维坐标系及每个元素在灰度共生矩阵中的行数和列数，可以确定每个元素对应的坐标点在该二维坐标系中的纵坐标和横坐标。因此，可以确定灰度共生矩阵主对角线上的各个元素所对应坐标点在该二维坐标系中的横坐标和纵坐标，进而，基于这些坐标点的横坐标和纵坐标，便可以确定灰度共生矩阵主对角线对应的直线。显然，该直线为灰度共生矩阵主对角线上的各个元素所对应坐标点所在的直线。

其中，当预设的二维坐标系不同时，所确定的灰度共生矩阵主对角线对应直线及灰度共生矩阵中的各个元素在预设的二维坐标系中对应的坐标点是不同的，进而，基于所确定的各个坐标点和直线执行后续步骤所确定的权重矩阵也是不同的。

例如，当位于灰度共生矩阵中第1行第1列的元素对应的坐标点在预设的二维坐标系中的坐标为(1,1)，当位于灰度共生矩阵中第N行第N列的元素对应的坐标点在预设的二维坐标系中的坐标为(N,N)时，显然，在该二维坐标系中，每一元素对应的坐标点的横坐标为该元素在灰度共生矩阵中的行数，每一元素对应的坐标点的纵坐标为该元素在灰度共生矩阵中的列数。进而，灰度共生矩阵中主对角线所对应直线的方程为：y＝x。

又例如，当位于灰度共生矩阵中第N行第1列的元素对应的坐标点在预设的二维坐标系中的坐标为(1,1)，当位于灰度共生矩阵中第1行第N列的元素对应的坐标点在预设的二维坐标系中的坐标为(N,N)时，显然，根据每一元素在灰度共生矩阵中的列数，可以确定该二维坐标系中，该元素对应的坐标点的横坐标，并根据每一元素在灰度共生矩阵中的行数，可以确定该二维坐标系中，该元素对应的坐标点的纵坐标。进而，确定灰度共生矩阵中主对角线所对应直线的方程为：y＝-x+N+1。

S802：计算所确定的每个坐标点到直线的距离；

在确定了灰度共生矩阵中的各个元素在预设的二维坐标系中对应的坐标点，以及主对角线对应的直线后，电子设备便可以计算所确定的每个坐标点到直线的距离。

其中，电子设备可以通过多种方式计算所确定的每个坐标点到直线的距离，对此，本发明实施例不做具体限定。

可选的，一种具体实现方式中，当上述所确定的直线的方程为：Ax+By+C＝0；所确定的各个元素的坐标点的坐标为：(x_i，y_j)时，则电子设备执行上述步骤S802的方式可以包括如下步骤C1：

步骤C1：利用第二公式计算所确定的每个坐标点到所确定的直线的距离，其中，第一公式为：

其中，d_i,j为：坐标点(x_i，y_j)到直线的距离。

S803：以所计算得到的距离作为元素，构建用于表征目标图像中纹理变化量分布的权重矩阵；

其中，每一距离在权重矩阵中的行数为：该距离对应灰度共生矩阵中元素的行数，每一距离在权重矩阵中的列数为：该距离对应的灰度共生矩阵中的元素的列数。

在计算得到所确定的每个坐标点到直线的距离后，针对每一距离，电子设备便可以确定该距离在权重矩阵中的行数为该距离对应灰度共生矩阵中元素的行数，该距离在权重矩阵中的列数为：该距离对应的灰度共生矩阵中的元素的列数。也就是说，灰度共生矩阵中每一元素的行数和列数即为该元素对应的距离在权重矩阵中的行数和列数。这样，电子设备便可以以所计算得到的距离作为元素，构建用于表征目标图像中纹理变化量分布的权重矩阵。

例如，在预设的二维坐标系中，每一元素对应的坐标点的横坐标为该元素在灰度共生矩阵中的行数，每一元素对应的坐标点的纵坐标为该元素在灰度共生矩阵中的列数时，则在该二维坐标系中，所确定的灰度共生矩阵主对角线对应直线的方程为：y＝x，即x-y＝0。

显然，此时A＝1，B＝-1，C＝0，则上述第二公式可以变形第三公式，其中，该第三公式为：

其中，dis(i,j)为灰度共生矩阵中第i行第j列的元素对应的坐标点到主对角线所对应直线的距离。进一步的，在构建得到的权重矩阵中，计算得到的dis(i,j)位于该权重矩阵的第i行第j列。

相应于上述本发明实施例提供的一种图像纹理评价方法，本发明实施例还提供了一种图像纹理评价装置。

图9为本发明实施例提供的一种图像纹理评价装置的结构示意图。如图9所示，该装置可以包括如下模块：

图像获取模块910，用于获取待评价的目标图像；

矩阵生成模块920，用于生成目标图像的灰度共生矩阵；

强度值确定模块930，用于基于灰度共生矩阵中主对角线上的元素，确定目标图像的纹理锐化强度值；

程度值确定模块940，用于基于灰度共生矩阵中主对角线以外的元素，确定目标图像的纹理细腻程度值；

结果确定模块950，用于将锐化强度值和纹理细腻程度值，确定为目标图像的图像纹理评价结果。

以上可见，应用本发明实施例提供的方案，在对目标图像的图像纹理进行评价时，可以首先生成该目标图像的灰度共生矩阵，进而，基于该灰度共生矩阵中的各个元素确定该目标图像的纹理锐化强度值和纹理细腻程度值，并将所确定的纹理锐化强度值和纹理细腻程度值确定为该目标图像的图像纹理评价结果。这样，基于生成的目标图像的灰度共生矩阵，便可以确定目标图像的纹理锐化强度值和纹理细腻程度值，避免了仅仅通过纹理锐化强度值对图像纹理进行评价导致的评价不合理的问题，使得能够对图像纹理进行更全面的评价。

可选的，一种具体实现方式中，上述强度值确定模块430可以具体用于：

对灰度共生矩阵中主对角线上的各个元素进行柯西分布拟合，将拟合得到的柯西分布尺寸参数，确定为目标图像的纹理锐化强度值。

可选的，一种具体实现方式中，上述程度值确定模块440可以包括：

第一矩阵确定子模块，用于基于灰度共生矩阵，确定用于表征目标图像中纹理变化量分布的权重矩阵；

第二矩阵确定子模块，用于计算权重矩阵与灰度共生矩阵的乘积，作为目标图像的纹理分布矩阵；

分布数值统计子模块，用于基于纹理分布矩阵中的各个元素，统计每一纹理变化强度所对应的区域在目标图像中的分布数值；其中，纹理变化强度为目标图像中一像素对所对应的灰度级差；

程度值确定子模块，用于对统计得到的各个分布数值进行分布拟合，并基于所得到的拟合结果，确定目标图像的纹理细腻程度值。

可选的，一种具体实现方式中，上述第一矩阵确定子模块可以具体用于：

确定灰度共生矩阵中的各个元素在预设的二维坐标系中对应的坐标点，以及主对角线对应的直线；其中，每一元素对应的坐标点的横坐标为：基于该元素在灰度共生矩阵中的行数或列数所确定的，每一元素对应的坐标点的纵坐标为：基于该元素在灰度共生矩阵中的列数或行数所确定的；计算所确定的每个坐标点到直线的距离；以所计算得到的距离作为元素，构建用于表征目标图像中纹理变化量分布的权重矩阵；其中，每一距离在权重矩阵中的行数为：该距离对应灰度共生矩阵中元素的行数，每一距离在权重矩阵中的列数为：该距离对应的灰度共生矩阵中的元素的列数。

可选的，一种具体实现方式中，上述分布数值统计子模块可以具体用于：

基于纹理分布矩阵中的各个元素，利用第一公式，统计每一纹理变化强度所对应的区域在目标图像中的分布数值；其中，第一公式为：

其中，f(k)为纹理变化强度k所对应的区域在目标图像中的分布数值，a_i,i+k为纹理分布矩阵中第i行第i+k列的元素，N为纹理变化矩阵的维度，k为整数。

可选的，一种具体实现方式中，上述程度值确定子模块可以具体用于：

对统计得到的各个分布数值进行两次混合高斯分布拟合，得到拟合结果；对拟合结果进行积分运算，将积分运算的结果确定为目标图像的纹理细腻程度值。

这样，基于生成的目标图像的灰度共生矩阵需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例、电子设备实施例、计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (6)

1.一种图像纹理评价方法，其特征在于，所述方法包括：

获取待评价的目标图像；

生成所述目标图像的灰度共生矩阵；

基于所述灰度共生矩阵中主对角线上的元素，确定所述目标图像的纹理锐化强度值；

基于所述灰度共生矩阵中主对角线以外的元素，确定所述目标图像的纹理细腻程度值，包括：基于所述灰度共生矩阵，确定用于表征所述目标图像中纹理变化量分布的权重矩阵；计算所述权重矩阵与所述灰度共生矩阵的乘积，作为所述目标图像的纹理分布矩阵；基于所述纹理分布矩阵中的各个元素，统计每一纹理变化强度所对应的区域在所述目标图像中的分布数值；对统计得到的各个分布数值进行分布拟合，并基于所得到的拟合结果，确定所述目标图像的纹理细腻程度值；其中，所述纹理变化强度为所述目标图像中一像素对所对应的灰度级差；所述每一纹理变化强度所对应的区域为：具有该纹理变化强度的像素对在所述目标图像中所对应的区域，所述每一纹理变化强度所对应的区域在所述目标图像中的分布数值分别为纹理分布矩阵中平行于主对角线的一条斜线上的元素的和值；

将所述锐化强度值和所述纹理细腻程度值，确定为所述目标图像的图像纹理评价结果；

所述基于所述灰度共生矩阵，确定用于表征所述目标图像中纹理变化量分布的权重矩阵的步骤，包括：确定所述灰度共生矩阵中的各个元素在预设的二维坐标系中对应的坐标点，以及主对角线对应的直线；计算所确定的每个坐标点到所述直线的距离；以所计算得到的距离作为元素，构建用于表征所述目标图像中纹理变化量分布的权重矩阵；其中，每一元素对应的坐标点的横坐标为：基于该元素在所述灰度共生矩阵中的行数或列数所确定的，每一元素对应的坐标点的纵坐标为：基于该元素在所述灰度共生矩阵中的列数或行数所确定的；每一距离在权重矩阵中的行数为：该距离对应所述灰度共生矩阵中元素的行数，每一距离在权重矩阵中的列数为：该距离对应的所述灰度共生矩阵中的元素的列数。

2.根据权利要求1所述的方法，其特征在于，所述基于所述灰度共生矩阵中主对角线上的元素，确定所述目标图像的纹理锐化强度值的步骤，包括：

对所述灰度共生矩阵中主对角线上的各个元素进行柯西分布拟合，将拟合得到的柯西分布尺寸参数，确定为所述目标图像的纹理锐化强度值。

3.根据权利要求1所述的方法，其特征在于，所述基于所述纹理分布矩阵中的各个元素，统计每一纹理变化强度所对应的区域在所述目标图像中的分布数值的步骤，包括：

基于所述纹理分布矩阵中的各个元素，利用第一公式，统计每一纹理变化强度所对应的区域在所述目标图像中的分布数值；其中，所述第一公式为：

其中，f(k)为纹理变化强度k所对应的区域在所述目标图像中的分布数值，a_i,i+k为所述纹理分布矩阵中第i行第i+k列的元素，N为所述纹理变化矩阵的维度，k为整数。

4.根据权利要求1所述的方法，其特征在于，所述对统计得到的各个分布数值进行分布拟合，并基于所得到的拟合结果，确定所述目标图像的纹理细腻程度值的步骤，包括：

对统计得到的各个分布数值进行两次混合高斯分布拟合，得到拟合结果；

对所述拟合结果进行积分运算，将所述积分运算的结果确定为所述目标图像的纹理细腻程度值。

5.一种图像纹理评价装置，其特征在于，所述装置包括：

图像获取模块，用于获取待评价的目标图像；

矩阵生成模块，用于生成所述目标图像的灰度共生矩阵；

强度值确定模块，用于基于所述灰度共生矩阵中主对角线上的元素，确定所述目标图像的纹理锐化强度值；

程度值确定模块，用于基于所述灰度共生矩阵中主对角线以外的元素，确定所述目标图像的纹理细腻程度值；

结果确定模块，用于将所述锐化强度值和所述纹理细腻程度值，确定为所述目标图像的图像纹理评价结果；

所述程度值确定模块包括：

第一矩阵确定子模块，用于基于所述灰度共生矩阵，确定用于表征所述目标图像中纹理变化量分布的权重矩阵；

第二矩阵确定子模块，用于计算所述权重矩阵与所述灰度共生矩阵的乘积，作为所述目标图像的纹理分布矩阵；

分布数值统计子模块，用于基于所述纹理分布矩阵中的各个元素，统计每一纹理变化强度所对应的区域在所述目标图像中的分布数值；其中，所述纹理变化强度为所述目标图像中一像素对所对应的灰度级差；所述每一纹理变化强度所对应的区域为：具有该纹理变化强度的像素对在所述目标图像中所对应的区域，所述每一纹理变化强度所对应的区域在所述目标图像中的分布数值分别为纹理分布矩阵中平行于主对角线的一条斜线上的元素的和值；

程度值确定子模块，用于对统计得到的各个分布数值进行分布拟合，并基于所得到的拟合结果，确定所述目标图像的纹理细腻程度值；

所述第一矩阵确定子模块具体用于：确定所述灰度共生矩阵中的各个元素在预设的二维坐标系中对应的坐标点，以及主对角线对应的直线；其中，每一元素对应的坐标点的横坐标为：基于该元素在所述灰度共生矩阵中的行数或列数所确定的，每一元素对应的坐标点的纵坐标为：基于该元素在所述灰度共生矩阵中的列数或行数所确定的；计算所确定的每个坐标点到所述直线的距离；以所计算得到的距离作为元素，构建用于表征所述目标图像中纹理变化量分布的权重矩阵；其中，每一距离在权重矩阵中的行数为：该距离对应所述灰度共生矩阵中元素的行数，每一距离在权重矩阵中的列数为：该距离对应的所述灰度共生矩阵中的元素的列数。

6.根据权利要求5所述的装置，其特征在于，所述强度值确定模块具体用于：

对所述灰度共生矩阵中主对角线上的各个元素进行柯西分布拟合，将拟合得到的柯西分布尺寸参数，确定为所述目标图像的纹理锐化强度值。