后一种情况A2较大 (3)熵( entropy) A H(s, d)logH(ys, d) H(y2,d)是均匀分布时A3的值最大 (4)均值 shS Js=V1 对数值分布集中在y,=y周围的直方图来说A4较小,而其它情况较大 与上述特征直方图统计相似的纹理描述方法是灰度游程长度统计( gray-level run-length statistics) Galloway1s。纹理图象中在任何给定方向上总会存在满足下述条件的一个距离值 即在此距离范围内灰度是相似的。这样的距离被称为灰度游程。粗纹理的灰度游程较长,出 现次数较为频繁:与此相反,细纹理的灰度游程较短。设Y(lm,4)表示MXN的图象矩阵 中在d方向上包含灰度为lm,长度为的灰度游程的数量。根据Y(,md)可定义以下五种 纹理属性!Con80。 (1)短游程增强( short- run emphasis) 4=7∑∑吗 (8-20) (2)长游程增强(long- run emphasis) 4=7∑∑m(md (8-21) (3)灰度分布(gray- level distribution) Y(L, Im, d) (8-22 (4)游程长度分布(run- length distribution) A ∑(lm,d) (8-23) (5)游程百分率(run- percentages) 4=∑∑(m,d) (8-24) =ll=1 其中NR是图象矩阵中游程长度的种数,n是灰度级数,TR的定义是: TR (8-25 上述纹理属性的计算只涉及一阶概率统计,因此计算较为简单。但把这些属性用作纹理 识别时的特征不如以下所述的二阶统计特性那样有效。 在这一节中介绍的一阶概率统计纹理属性描述方法的主要优点是计算简便。这种方法虽 然不如二阶统计方法那样有效,但在纹理图象的分割中还是很有吸引力的 4.二阶统计特性Dnv7 上节所述的一阶统计特性只测量了纹理的点特性,然而纹理特性不仅与纹理基元中的灰 度影调有关,而且和纹理基元的相互关联有关。因此,如能在纹理特性的测量中把纹理图案171 后一种情况 A2 较大。 (3) 熵（entropy） A H( ys d) H( ys d) y y y s t 3 1 = − =  , log , (8-18) H( ys ,d) 是均匀分布时 A3 的值最大。 (4) 均值 A ( ) t ysH ys d y y y s t 4 1 1 =       =  , (8-19) 对数值分布集中在 y y s = 1 周围的直方图来说 A4 较小，而其它情况较大。 与上述特征直方图统计相似的纹理描述方法是灰度游程长度统计（gray-level run-length statistics）[Galloway 75]。纹理图象中在任何给定方向上总会存在满足下述条件的一个距离值， 即在此距离范围内灰度是相似的。这样的距离被称为灰度游程。粗纹理的灰度游程较长，出 现次数较为频繁；与此相反，细纹理的灰度游程较短。设 Y(l, Im , d) 表示 M×N 的图象矩阵 中在 d 方向上包含灰度为 Im，长度为 l 的灰度游程的数量。根据 Y(l, Im , d) 可定义以下五种 纹理属性[Con 80]。 (1) 短游程增强（short-run emphasis） A ( ) T m Y l I d R m l N m n R 1 2 1 1 1 1 = = =  , , (8-20) (2) 长游程增强（long-run emphasis） A ( ) T m Y l I d R m l N m n R 2 2 1 1 1 = = =  , , (8-21) (3) 灰度分布（gray-level distribution） A ( ) T Y l I d R m l N m n R 3 1 2 1 1 =        = =    , , (8-22) (4) 游程长度分布（run-length distribution） A ( ) T Y l I d R m m n l NR 4 1 2 1 1 =        = =    , , (8-23) (5) 游程百分率（run-percentages） A ( ) MN Y l Im d l N m n R 5 1 1 1 = = =  , , (8-24) 其中 NR 是图象矩阵中游程长度的种数，n 是灰度级数，TR 的定义是： TR Y(l Im d) l N m n R = = =  , , 1 1 (8-25) 上述纹理属性的计算只涉及一阶概率统计，因此计算较为简单。但把这些属性用作纹理 识别时的特征不如以下所述的二阶统计特性那样有效。 在这一节中介绍的一阶概率统计纹理属性描述方法的主要优点是计算简便。这种方法虽 然不如二阶统计方法那样有效，但在纹理图象的分割中还是很有吸引力的。 4. 二阶统计特性[Dav 79] 上节所述的一阶统计特性只测量了纹理的点特性，然而纹理特性不仅与纹理基元中的灰 度影调有关，而且和纹理基元的相互关联有关。因此，如能在纹理特性的测量中把纹理图案