人工智能和计算机视觉(4)-纹理分割

纹理分割

图案或纹理是图像处理的重要组成部分。

通过使用灰度共生矩阵(GLCM)查看图片的模式或纹理，将图片分成组(区域)。

案例

灰度共生矩阵(GLCM)

三种不同的共生矩阵的灰度图像。

GLCM通过计算具有特定值和具有特定空间关系的像素对在图像中出现的频率来描述图像的纹理。

根据纹理分辨率的不同，可以进行4级以上的图像分割。

转置矩阵使矩阵对称。

标准化对称水平GLCM。

对称矩阵/元素和=水平GLCM(概率)

计算垂直方向和对角线方向的共生矩阵。

计算步骤：

1. 创建计数矩阵。
2. 检查切割图像部分的参考点与指定方向的相邻像素点(相邻像素点)之间的关系。
3. 计算共生关系的数量，并填写共生关系数量将发生的计数矩阵。
4. 转置矩阵使它对称。
5. 将计数矩阵和转置矩阵相加。
6. 通过应用每个矩阵的值除以总数，将组合矩阵转化为概率。
7. 在寻找概率矩阵时，我们可以将这个矩阵应用于实际图像中的纹理，通过应用实际图像来寻找与创建矩阵相同灰度的纹理。然后，找到实际图像的GLCM，并与我们用作模型的GLCM进行比较。

在实际图像中找到GLCM。对于水平GLCM，如果有相似的概率值，则认为是相同的模式。

除了使用概率矩阵来查找纹理，我们还可以通过检查来查找更多纹理的细节:

• 对比
• 不同
• 同质性或相似

参考链接：

Create gray-level co-occurrence matrix from image - MATLAB graycomatrix - MathWorks United Kingdom