Matlab粗糙度曲线画中线,[转载](zz)Tamura纹理特征的matlab实现(一)---粗糙度...

2023-10-23 19:50

本文主要是介绍Matlab粗糙度曲线画中线,[转载](zz)Tamura纹理特征的matlab实现(一)---粗糙度...,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

搜了好久也没找到Tamura纹理特征的实现代码,于是自己动手丰衣足食,找出了最原始的Tamura的论文《Textural

Features Corresponding to Visual

Perception》来研读。今天下午实现了粗糙度(coarseness)部分,与大家共享,有错误的地方,还望大家指正。后续的对比度(contrast)、方向度(directionality)、线性度(linelikeness)、规则度(regularity)、粗略度(roughness)会陆续实现并共享。

Tamura纹理特征要比灰度共生矩阵得到的纹理特征更直观,在视觉效果上更有优势,由于比较懒,一直避重就轻,到今天终于要直面问题了,代码如下:

coarseness.m

%graypic为待处理的灰度图片,2^kmax为最大窗口

function Fcrs=coarseness(graypic,kmax)

%获取图片大小

[h,w]=size(graypic);

%平均灰度值矩阵A

A=zeros(h,w,2^kmax);

%计算有效可计算范围内每个点的2^k邻域内的平均灰度值

for i=2^(kmax-1)+1:h-2^(kmax-1)

for j=2^(kmax-1)+1:w-2^(kmax-1)

for k=1:kmax

A(i,j,k)=mean2(graypic(i-2^(k-1):i+2^(k-1)-1,j-2^(k-1):j+2^(k-1)-1));

end

end

end

%对每个像素点,计算在水平和垂直方向上不重叠窗口之间的Ak差

for i=1+2^(kmax-1):h-2^(kmax-1)

for j=1+2^(kmax-1):w-2^(kmax-1)

for k=1:kmax

Eh(i,j,k)=abs(A(i+2^(k-1),j,k)-A(i-2^(k-1),j));

Ev(i,j,k)=abs(A(i,j+2^(k-1),k)-A(i,j-2^(k-1)));

end

end

end

%对每个像素点计算使E达到最大值的k

for i=2^(kmax-1)+1:h-2^(kmax-1)

for j=2^(kmax-1)+1:w-2^(kmax-1)

[maxEh,p]=max(Eh(i,j,:));

[maxEv,q]=max(Ev(i,j,:));

if

maxEh>maxEv

maxkk=p;

else

maxkk=q;

end

Sbest(i,j)=2^maxkk;

%每个像素点的最优窗口大小为2^maxkk

end

end

%所有Sbest的均值作为整幅图片的粗糙度

Fcrs=mean2(Sbest);

调用:

image=rgb2gray(imread('example.jpg'));

f=coarseness(image,5)

Tamura纹理特征的matlab实现(二)---对比度

a4c26d1e5885305701be709a3d33442f.png (2010-01-13 21:40:27)

TE<

a4c26d1e5885305701be709a3d33442f.png转载TE<

var $tag='tamura,纹理特,对比度,it'; var

$tag_code='c57dde215fc1a8b3216796890dd4f569'; var

$r_quote_bligid='59ead5d90100gx4v'; var $worldcup='0'; var

$worldcupball='0'; 标签:

tamura

纹理特

对比度

it

分类: 学术

Tamura纹理特征之对比度(contrast),公式如下:

a4c26d1e5885305701be709a3d33442f.png

n一般取1/4。

contrast.m

%graypic为待处理的灰度图片

function Fcon=contrast(graypic)

%二维向量一维化

x=graypic(:);

%四阶矩

M4=mean((x-mean(x))^4);

%方差

delta2=var(x,1);

%峰度

alfa4=M4/(delta2^2);

%标准差

delta=std(x,1);

%对比度

Fcon=delta/(alfa4^(1/4));

调用:

image=rgb2gray(imread('example.jpg'));

f=contrast(image)

Tamura纹理特征的matlab实现(三)---方向度

(2010-01-14 20:52:56)

TE<

a4c26d1e5885305701be709a3d33442f.png转载TE<

var $tag='tamura,纹理,方向度,it'; var

$tag_code='4bad3c6c0fc81846213a62dc64c1a996'; var

$r_quote_bligid='59ead5d90100gxkc'; var $worldcup='0'; var

$worldcupball='0'; 标签:

tamura

纹理

方向度

it

分类: 学术

directionality.m

function

[Fdir,sita]=directionality(graypic)

%sita为各像素点的角度矩阵,在线性度中会用到,所以这里作为结果返回

[h w]=size(graypic);

%两个方向的卷积矩阵

GradientH=[-1 0 1

-1

0 1

-1

0 1];

GradientV=[ 1 1 1

0

0 0

-1

-1 -1];

%卷积,取有效结果矩阵

MHconv=conv2(graypic,GradientH);

MH=MHconv(3:h,3:w);

MVconv=conv2(graypic,GradientV);

MV=MVconv(3:h,3:w)

%向量模

MG=(abs(MH)+abs(MV))./2;

%有效矩阵大小

validH=h-2;

validW=w-2

%各像素点的方向

for i=1:validH

for j=1:validW

sita(i,j)=atan(MV(i,j)/MH(i,j))+(pi/2);

end

end

n=16;

t=12;

Nsita=zeros(1,n);

%构造方向的统计直方图

for i=1:validH

for j=1:validW

for k=1:n

if

sita(i,j)>=(2*(k-1)*pi/2/n)

&&

sita(i,j)

&& MG(i,j)>=t

Nsita(k)=Nsita(k)+1;

end

end

end

end

for k=1:n

HD(k)=Nsita(k)/sum(Nsita(:));

end

%假设每幅图片只有一个方向峰值,为计算方便简化了原著

[maxvalue,FIp]=max(HD);

Fdir=0;

for k=1:n

Fdir=Fdir+(k-FIp)^2*HD(k);%公式与原著有改动

end

调用:

image=rgb2gray(imread('example.jpg'));

[Fdir,sita]=directionality(image)

Tamura纹理特征的matlab实现(四)---线性度

(2010-01-14 21:01:04)

TE<

a4c26d1e5885305701be709a3d33442f.png转载TE<

var $tag='tamura,纹理,线性度,it'; var

$tag_code='e3de83ab0ce44a1975fe0fc93d4a6717'; var

$r_quote_bligid='59ead5d90100gxke'; var $worldcup='0'; var

$worldcupball='0'; 标签:

tamura

纹理

线性度

it

分类: 学术

linelikeness.m

function

Flin=linelikeness(graypic,sita,d)

%d为共生矩阵计算时的像素间隔距离

n=16;

[h,w]=size(graypic);

%构造方向共生矩阵

PDd1=zeros(n,n);

PDd2=zeros(n,n);

PDd3=zeros(n,n);

PDd4=zeros(n,n);

PDd5=zeros(n,n);

PDd6=zeros(n,n);

PDd7=zeros(n,n);

PDd8=zeros(n,n);

for i=d+1:h-d-2

for j=d+1:w-d-2

for m1=1:n

for

m2=1:n

%下方向

if

(sita(i,j)>=(2*(m1-1)*pi/2/n)

&&

sita(i,j)

&&

(sita(i+d,j)>=(2*(m2-1)*pi/2/n)

&&

sita(i+d,j)

PDd1(m1,m2)=PDd1(m1,m2)+1;

end

%上方向

if

(sita(i,j)>=(2*(m1-1)*pi/2/n)

&&

sita(i,j)

&&

(sita(i-d,j)>=(2*(m2-1)*pi/2/n)

&&

sita(i-d,j)

PDd2(m1,m2)=PDd2(m1,m2)+1;

end

%右方向

if

(sita(i,j)>=(2*(m1-1)*pi/2/n)

&&

sita(i,j)

&&

(sita(i,j+d)>=(2*(m2-1)*pi/2/n)

&&

sita(i,j+d)

PDd3(m1,m2)=PDd3(m1,m2)+1;

end

%左方向

if

(sita(i,j)>=(2*(m1-1)*pi/2/n)

&&

sita(i,j)

&&

(sita(i,j-d)>=(2*(m2-1)*pi/2/n)

&&

sita(i,j-d)

PDd4(m1,m2)=PDd4(m1,m2)+1;

end

%右下方向

if

(sita(i,j)>=(2*(m1-1)*pi/2/n)

&&

sita(i,j)

&&

(sita(i+d,j+d)>=(2*(m2-1)*pi/2/n)

&&

sita(i+d,j+d)

PDd5(m1,m2)=PDd5(m1,m2)+1;

end

%右上方向

if

(sita(i,j)>=(2*(m1-1)*pi/2/n)

&&

sita(i,j)

&&

(sita(i-d,j+d)>=(2*(m2-1)*pi/2/n)

&&

sita(i-d,j+d)

PDd6(m1,m2)=PDd6(m1,m2)+1;

end

%左下方向

if

(sita(i,j)>=(2*(m1-1)*pi/2/n)

&&

sita(i,j)

&&

(sita(i+d,j-d)>=(2*(m2-1)*pi/2/n)

&&

sita(i+d,j-d)

PDd7(m1,m2)=PDd7(m1,m2)+1;

end

%左上方向

if

(sita(i,j)>=(2*(m1-1)*pi/2/n)

&&

sita(i,j)

&&

(sita(i-d,j-d)>=(2*(m2-1)*pi/2/n)

&&

sita(i-d,j-d)

PDd8(m1,m2)=PDd8(m1,m2)+1;

end

end

end

end

end

f=zeros(1,8);

g=zeros(1,8);

for i=1:n

for j=1:n

f(1)=f(1)+PDd1(i,j)*cos((i-j)*2*pi/n);

g(1)=g(1)+PDd1(i,j);

f(2)=f(2)+PDd2(i,j)*cos((i-j)*2*pi/n);

g(2)=g(2)+PDd2(i,j);

f(3)=f(3)+PDd3(i,j)*cos((i-j)*2*pi/n);

g(3)=g(3)+PDd3(i,j);

f(4)=f(4)+PDd4(i,j)*cos((i-j)*2*pi/n);

g(4)=g(4)+PDd4(i,j);

f(5)=f(5)+PDd5(i,j)*cos((i-j)*2*pi/n);

g(5)=g(5)+PDd5(i,j);

f(6)=f(6)+PDd6(i,j)*cos((i-j)*2*pi/n);

g(6)=g(6)+PDd6(i,j);

f(7)=f(7)+PDd7(i,j)*cos((i-j)*2*pi/n);

g(7)=g(7)+PDd7(i,j);

f(8)=f(8)+PDd8(i,j)*cos((i-j)*2*pi/n);

g(8)=g(4)+PDd8(i,j);

end

end

tempM=f./g;

Flin=max(tempM);%取8个方向的线性度最大值作为图片的线性度

调用:

image=rgb2gray(imread('example.jpg'));

Flin=linelikeness(image,sita,4)

%sita为directionality.m返回的结果

Tamura纹理特征的matlab实现(五)---规则度

(2010-01-14 21:04:09)

TE<

a4c26d1e5885305701be709a3d33442f.png转载TE<

var $tag='tamura,纹理,规则度,it'; var

$tag_code='39947dd3859a0df41f3f4de84b8d3520'; var

$r_quote_bligid='59ead5d90100gxkj'; var $worldcup='0'; var

$worldcupball='0'; 标签:

tamura

纹理

规则度

it

分类: 学术

regularity.m

function

Freg=regularity(graypic,windowsize)

%windowsize为计算规则度的子窗口大小

[h,w]=size(graypic);

k=0;

for i=1:windowsize:h-windowsize

for j=1:windowsize:w-windowsize

k=k+1;

crs(k)=coarseness(graypic(i:i+windowsize-1,j:j+windowsize-1),5);

%粗糙度

con(k)=contrast(graypic(i:i+windowsize-1,j:j+windowsize-1));

%对比度

[dire(k),sita]=directionality(graypic(i:i+windowsize-1,j:j+windowsize-1));%方向度

lin=linelikeness(graypic(i:i+windowsize-1,j:j+windowsize-1),sita,4)*10;

%线性度,*10与crs、con、dire同量级化

end

end

%求上述各参数的标准差

Dcrs=std(crs,1);

Dcon=std(con,1);

Ddir=std(dire,1);

Dlin=std(lin,1);

%规则度

Freg=1-(Dcrs+Dcon+Ddir+Dlin)/4/100;

调用:

image=rgb2gray(imread('example.jpg'));

Freg=regularity(image,64)

Tamura纹理特征的matlab实现(六)---粗略度

(2010-01-14 21:11:07)

TE<

a4c26d1e5885305701be709a3d33442f.png转载TE<

var $tag='tamura,纹理,粗略度,it'; var

$tag_code='fc001e7750cac6917c3061ca68bff398'; var

$r_quote_bligid='59ead5d90100gxkl'; var $worldcup='0'; var

$worldcupball='0'; 标签:

tamura

纹理

粗略度

it

分类: 学术

粗略度计算比较简单,是粗糙度和对比度两个属性的合成:

Frgh=Fcrs+Fcon

至此Tamura纹理特征的六个属性终于实现了,工作了一天半,好辛苦。属于经典算法,并没有创新性,所以还要在此基础上做进一步的研究和应用。

这篇关于Matlab粗糙度曲线画中线,[转载](zz)Tamura纹理特征的matlab实现(一)---粗糙度...的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/270100

相关文章

Qt把文件夹从A移动到B的实现示例

《Qt把文件夹从A移动到B的实现示例》本文主要介绍了Qt把文件夹从A移动到B的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学... 目录如何移动一个文件? 如何移动文件夹(包含里面的全部内容):如何删除文件夹:QT 文件复制,移动(

Flask 验证码自动生成的实现示例

《Flask验证码自动生成的实现示例》本文主要介绍了Flask验证码自动生成的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习... 目录生成图片以及结果处理验证码蓝图html页面展示想必验证码大家都有所了解,但是可以自己定义图片验证码

VSCode配置Anaconda Python环境的实现

《VSCode配置AnacondaPython环境的实现》VisualStudioCode中可以使用Anaconda环境进行Python开发,本文主要介绍了VSCode配置AnacondaPytho... 目录前言一、安装 Visual Studio Code 和 Anaconda二、创建或激活 conda

使用mvn deploy命令上传jar包的实现

《使用mvndeploy命令上传jar包的实现》本文介绍了使用mvndeploy:deploy-file命令将本地仓库中的JAR包重新发布到Maven私服,文中通过示例代码介绍的非常详细,对大家的学... 目录一、背景二、环境三、配置nexus上传账号四、执行deploy命令上传包1. 首先需要把本地仓中要

JAVA封装多线程实现的方式及原理

《JAVA封装多线程实现的方式及原理》:本文主要介绍Java中封装多线程的原理和常见方式,通过封装可以简化多线程的使用,提高安全性,并增强代码的可维护性和可扩展性,需要的朋友可以参考下... 目录前言一、封装的目标二、常见的封装方式及原理总结前言在 Java 中,封装多线程的原理主要围绕着将多线程相关的操

MySQL中实现多表查询的操作方法(配sql+实操图+案例巩固 通俗易懂版)

《MySQL中实现多表查询的操作方法(配sql+实操图+案例巩固通俗易懂版)》本文主要讲解了MySQL中的多表查询,包括子查询、笛卡尔积、自连接、多表查询的实现方法以及多列子查询等,通过实际例子和操... 目录复合查询1. 回顾查询基本操作group by 分组having1. 显示部门号为10的部门名,员

java导出pdf文件的详细实现方法

《java导出pdf文件的详细实现方法》:本文主要介绍java导出pdf文件的详细实现方法,包括制作模板、获取中文字体文件、实现后端服务以及前端发起请求并生成下载链接,需要的朋友可以参考下... 目录使用注意点包含内容1、制作pdf模板2、获取pdf导出中文需要的文件3、实现4、前端发起请求并生成下载链接使

Java的volatile和sychronized底层实现原理解析

《Java的volatile和sychronized底层实现原理解析》文章详细介绍了Java中的synchronized和volatile关键字的底层实现原理,包括字节码层面、JVM层面的实现细节,以... 目录1. 概览2. Synchronized2.1 字节码层面2.2 JVM层面2.2.1 ente

Linux下修改hostname的三种实现方式

《Linux下修改hostname的三种实现方式》:本文主要介绍Linux下修改hostname的三种实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux下修改ho编程stname三种方式方法1:修改配置文件方法2:hFvEWEostnamectl命

Java实现数据库图片上传功能详解

《Java实现数据库图片上传功能详解》这篇文章主要为大家详细介绍了如何使用Java实现数据库图片上传功能,包含从数据库拿图片传递前端渲染,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1、前言2、数据库搭建&nbsChina编程p; 3、后端实现将图片存储进数据库4、后端实现从数据库取出图片给前端5、前端拿到