按照图8-4所示的模型,纹理分析是一个通用的处理过程,也就是说它与图象内容特定的应 用范围无关,这也符合低层视觉处理的定义。这可能意味着在人类视觉中纹理的辨别是在双 目立体视觉融合以后,发生在大脑皮层 人们可用来描述纹理的性质有,均匀性( Uniformity)、密度( density)、粗细度 ( Coarseness)、粗糙度( roughness、规律性( regularity)、线性度( linearity)、定向性 ( directionality)、方向性( direction)、频率( frequency)和相位( phase)。这些性质的理想 化如图8.5所示。显然,这些性质是相互联系的。虽然,目前还不完全清楚人类视觉系统中 实际应用多少种性质来描述纹理,但可比较有把握地说,上述性质中的大多数并未用到。所 以在图84的模型中仅限于三种性质的量测 人们用来描述纹理最常用的词藻是粗的或细的[am78]。什么是粗的纹理、什么是细的 纹理目前还无精确的定义。粗略地讲,我们通过观察组成图案的纹理基元,如果这些基元的 尺寸较大,或有许多重复的基元,则给人总的印象是粗的。例如,图8.1中的D98和D111 所示的纹理。已有人提出了检测纹理粗、细程度的多通道模型。[she80的做法是在一个小 区域里检査一组不同频率通道的输出,选择其中响应最强的通道。空间频率最低的通道被认 为表示是粗的纹理,那么高空间频率通道就被认为表示细的纹理。由于通道的响应大小不但 由基元的大小,而且由分布规律所决定。所以还需要在一个领域里作出每个通道响应的直方 图曲线[ zucKer75],通过分析这些曲线的特性就能确定纹理的粗细。 (a) Uniformity (b)Density (c) Coarseness (d) Roughness 夏 (e)regularit (f)Linearity = (g) Directionality (h) Direction (i) Frequency (j)Phase 图8.5描述纹理的性质 描述纹理的第二个特性是边缘元素的方向,或斜率。心理物理学的实验研究表明这个特 性非常重要。图8.6(a)中的实验表明了基元斜率对区别纹理的强烈影响。正放的和倾斜的T 形之间很容易区分。L形和正放的T形之间在形状上很不同,但似乎可以聚集成一个区域 图8.6(b中证明了相似的效应。图中包括猫、旋转的猫和猫的镜象。当要求被试验者确定图164 按照图 8-4 所示的模型，纹理分析是一个通用的处理过程，也就是说它与图象内容特定的应 用范围无关，这也符合低层视觉处理的定义。这可能意味着在人类视觉中纹理的辨别是在双 目立体视觉融合以后，发生在大脑皮层。 人们可用来描述纹理的性质有，均匀性（Uniformity）、密度（density）、粗细度 （Coarseness）、粗糙度（roughness）、规律性（regularity）、线性度（linearity）、定向性 （directionality）、方向性（direction）、频率（frequency）和相位（phase）。这些性质的理想 化如图 8.5 所示。显然，这些性质是相互联系的。虽然，目前还不完全清楚人类视觉系统中 实际应用多少种性质来描述纹理，但可比较有把握地说，上述性质中的大多数并未用到。所 以在图 8.4 的模型中仅限于三种性质的量测。 人们用来描述纹理最常用的词藻是粗的或细的[Tam 78]。什么是粗的纹理、什么是细的 纹理目前还无精确的定义。粗略地讲，我们通过观察组成图案的纹理基元，如果这些基元的 尺寸较大，或有许多重复的基元，则给人总的印象是粗的。例如，图 8.1 中的 D98 和 D111 所示的纹理。已有人提出了检测纹理粗、细程度的多通道模型。[she 80]的做法是在一个小 区域里检查一组不同频率通道的输出，选择其中响应最强的通道。空间频率最低的通道被认 为表示是粗的纹理，那么高空间频率通道就被认为表示细的纹理。由于通道的响应大小不但 由基元的大小，而且由分布规律所决定。所以还需要在一个领域里作出每个通道响应的直方 图曲线［zucKer 75］，通过分析这些曲线的特性就能确定纹理的粗细。 图 8.5 描述纹理的性质 描述纹理的第二个特性是边缘元素的方向，或斜率。心理物理学的实验研究表明这个特 性非常重要。图 8.6(a)中的实验表明了基元斜率对区别纹理的强烈影响。正放的和倾斜的 T 形之间很容易区分。L 形和正放的 T 形之间在形状上很不同，但似乎可以聚集成一个区域。 图 8.6(b)中证明了相似的效应。图中包括猫、旋转的猫和猫的镜象。当要求被试验者确定图