cv 纹理
纹理texture的一个简单的定义为： 一个模式或多个模式在一个区域上的重复出现，是图像是重要特性。
模式是重复出现的，但模式具有变异性。形状、大小、方向、颜色具有随机性。
模式的基本单元可以称为texton，纹理操作与区域的尺度关系密切。
应用纹理分割对象与背景
平均灰阶法：
- 对图像中的每一个像素，将该像素的灰阶替换为以这个像素为中心的W*W窗口的像素灰阶的平均值。
- 然后用灰阶分割的方法对平均灰阶后 的图像进行分割。
适用条件：纹理单元较小，背景和对象的纹理灰阶差距较大。
类似方法还有适用标准差统计量、偏度、峰度统计量，计算中心像素一定大小窗口的统计量，然后赋值给中心像素位置，得到新的图像，应用灰阶分割进行分割。
灰阶共生矩阵（Grey level Co-occurrence matrix,GLCM）：
- 构造共生矩阵.例，256灰阶图像，那x方向的共生矩阵为M256*256，其中的元素M[p1][p2]表示当像素位置（x，y）为灰阶P1时，像素位置为（x+d,y）为灰阶p2的概率。水平方向、垂直方向、斜对角线方向可以都可以构造一个矩阵，且每个方向的d即像素位差可以不同。
- 有了共生矩阵以后，以其为基础，构建描述符。5种常见描述符计算如下：
最大概率：矩阵中的最大值。
矩moment：k阶基元差矩Momk=sgmai(sgmaj((i-j)^k*(M[i][j])) )
逆矩Momk-1=sgmai( sgmaj( M[i][j]/(i-j)k ) )
对比度：C(k,n) =sgmai( sgmaj( |i-j|k*M[i][j]n ) )
同质性：G=sgmai( sgmaj( M[i][j]n /(1+|i-j|)) )
熵： H=sgma(sgma(M[i][j]*log(M[i][j])))
图像能量和纹理
表面法线和纹理
- 对于图像中给定的窗口，找出一些不重叠区域。
- 对每一个子区域，计算这个表面的平面系数，然后由系数计算单位法向量。系数a、β、γ：I(i,j)=a*i+β*j+γ,对[a、β、γ]规范化得[k,L,M]。
- 计算R. R2=sgma(K)^2+sgma(L)^2+sgma(M)^2
- 计算K. K= (N-1)/(N-R)
- k就是窗口中心像素的描述符，所有像素计算K,新图像进行阈值分割。
表面曲度类似于表面法线方法
分型维度
彩色分割
- 将RGB图像256*256*256颜色数降低，通过建立先验决策，建立均匀量化。例如每个色彩通道分为两个区，有2*2*2个颜色，每种实际采样颜色通过最短欧氏距离归到8个颜色中的一个里面去。
- 或者，流行度算法，建立颜色频率直方图，选N个作为原型色，对原图分割。
- 或者，RGB—>HSV, 然后用色相进行阈值分割。
关键：分离彩色和纹理，然后再合并结果。
