图8.10并发矩阵的定义(a)灰度并发矩阵GLCM(b)广义并发矩阵GCM 理论和实验研究的结果表明在纹理识别和分割中基于二阶统计的纹理测量比其他方法 优越。但它的一个主要缺点是计算量大。需要计算的属性数量多,而且还需要在不同的位移 大小和方向下计算。在某些情况下为减小计算量可假设纹理是各向同性的,这时可把固定位 移大小条件下各方向的并发矩阵作平均,然后再用这个综合的矩阵来计算各项属性。 833纹理描述的结构方法 如前所述,纹理可由一组纹理基元,以及确定这些基元之间空间关系的排列规则来描述 按这种观点来分析,纹理似乎与语言很相似,如果把纹理基元与语言中的字符作类比,那么 基元之间空间关系就可以与说明字符是如何组织起来的文法相对应。因此,字符与文法结合 在一起就构成了纹理的语言学模型。在语言学中语言的合成可通过建立合乎文法的字符串来 完成,而语言识别就是对字符串进行句法分析。同理,按语言学模型,纹理的合成和识别也 可用相似的方法来完成 在 carluccilcarl 72提出的纹理句法模型中用线段或开口的多边形作为基元,然后用树表 法来描述这些基元的排列规则。而 Jayaramamurthy列则采用一组小面积的象素点阵模板 作为基元。 zucker6提出了通过使理想纹理图案畸变来产生实际纹理的方法,这时理想 纹理图案可用合成图来表示。Fuu8和他的学生研究应用随机树文法来描述纹理,并且用这 种方法来识别纹理。这种方法被用于气泡室图象、卫星照片的分析、以及高速公路、河流和 指纹的识别。但这种方法的困难是如何规定文法。理想的方法是根据实际图象推论出文法 可是目前这方面的成果还不多。 描述纹理的结构方法的优点是它可提供图象的符号描述,这就使纹理合成很简单。这种 方法很适合于具有明确纹理基元的规则纹理,但对于自然界中遇到的那些纹理就不太合适, 特别是这种方法只适用于纹理识别,而难以应用于纹理分割 Haralick把用结构方法分析的纹理分成两类,一类是弱结构型的,另一类是强结构 型的。这样的分类主要是根据纹理内部基元之间的空间组织情况。弱结构型的纹理主要可由 上一节中所述的局部区域统计特征来描述,与此相反,强结构型的纹理可用纹理基元之间的 拓扑关系来描述。这样就很适合用文法来表示。 Zuckerlzuc提出了一个方便的纹理合成和分析模型(图8.11)。假设我们希望产生一个 实际的纹理图象,那么就需要根据图象选择一组基元S和排列规则R,并由此产生一个理 想的纹理ξ,因为只是所观察到的实际纹理的理想化模型,所以从这个意义上来说,它是不 能直接观察到的,ξ可用图来表示。这样就可以 非列规则 基元S「理想纹那)):>图象合园、实际表面 纹理( 不能直接观察到的 可直接观察到 到的 图8.11纹理变换模型174 图 8.10 并发矩阵的定义 (a)灰度并发矩阵 GLCM (b)广义并发矩阵 GCM 理论和实验研究的结果表明在纹理识别和分割中基于二阶统计的纹理测量比其他方法 优越。但它的一个主要缺点是计算量大。需要计算的属性数量多，而且还需要在不同的位移 大小和方向下计算。在某些情况下为减小计算量可假设纹理是各向同性的，这时可把固定位 移大小条件下各方向的并发矩阵作平均，然后再用这个综合的矩阵来计算各项属性。 8.3.3 纹理描述的结构方法 如前所述，纹理可由一组纹理基元，以及确定这些基元之间空间关系的排列规则来描述。 按这种观点来分析，纹理似乎与语言很相似，如果把纹理基元与语言中的字符作类比，那么 基元之间空间关系就可以与说明字符是如何组织起来的文法相对应。因此，字符与文法结合 在一起就构成了纹理的语言学模型。在语言学中语言的合成可通过建立合乎文法的字符串来 完成，而语言识别就是对字符串进行句法分析。同理，按语言学模型，纹理的合成和识别也 可用相似的方法来完成。 在 Carlucci[Carl 72]提出的纹理句法模型中用线段或开口的多边形作为基元，然后用树表示 法来描述这些基元的排列规则。而 Jayaramamurthy [Jay 79]则采用一组小面积的象素点阵模板 作为基元。Zucker[Zuc 76]提出了通过使理想纹理图案畸变来产生实际纹理的方法，这时理想 纹理图案可用合成图来表示。Fu[Fu 81]和他的学生研究应用随机树文法来描述纹理，并且用这 种方法来识别纹理。这种方法被用于气泡室图象、卫星照片的分析、以及高速公路、河流和 指纹的识别。但这种方法的困难是如何规定文法。理想的方法是根据实际图象推论出文法。 可是目前这方面的成果还不多。 描述纹理的结构方法的优点是它可提供图象的符号描述，这就使纹理合成很简单。这种 方法很适合于具有明确纹理基元的规则纹理，但对于自然界中遇到的那些纹理就不太合适， 特别是这种方法只适用于纹理识别，而难以应用于纹理分割。 Haralick[Har 79]把用结构方法分析的纹理分成两类，一类是弱结构型的，另一类是强结构 型的。这样的分类主要是根据纹理内部基元之间的空间组织情况。弱结构型的纹理主要可由 上一节中所述的局部区域统计特征来描述，与此相反，强结构型的纹理可用纹理基元之间的 拓扑关系来描述。这样就很适合用文法来表示。 Zucker[Zuc 76]提出了一个方便的纹理合成和分析模型（图 8.11）。假设我们希望产生一个 实际的纹理图象，那么就需要根据图象选择一组基元 Sk 和排列规则 R，并由此产生一个理 想的纹理，因为只是所观察到的实际纹理的理想化模型，所以从这个意义上来说，它是不 能直接观察到的，可用图来表示。这样就可以 排列规则 R 不能直接观察到的 实际表面 纹理(i, j) 理想纹理 变换 图象合成 图 基元 Sk 图 可直接观察到的 图 8.11 纹理变换模型