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
文章标签 matlab 实现 特征 转载 曲线 纹理 粗糙度 zz 中线 tamura

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

使用Redis快速实现共享Session登录的详细步骤

使用Redis快速实现共享Session登录的详细步骤

《使用Redis快速实现共享Session登录的详细步骤》在Web开发中,Session通常用于存储用户的会话信息,允许用户在多个页面之间保持登录状态,Redis是一个开源的高性能键值数据库,广泛用于... 目录前言实现原理：步骤：使用Redis实现共享Session登录1. 引入Redis依赖2. 配置R
阅读更多...
SpringBoot实现RSA+AES自动接口解密的实战指南

SpringBoot实现RSA+AES自动接口解密的实战指南

《SpringBoot实现RSA+AES自动接口解密的实战指南》在当今数据泄露频发的网络环境中,接口安全已成为开发者不可忽视的核心议题,RSA+AES混合加密方案因其安全性高、性能优越而被广泛采用,本... 目录一、项目依赖与环境准备1.1 Maven依赖配置1.2 密钥生成与配置二、加密工具类实现2.1
阅读更多...
在Java中实现线程之间的数据共享的几种方式总结

在Java中实现线程之间的数据共享的几种方式总结

《在Java中实现线程之间的数据共享的几种方式总结》在Java中实现线程间数据共享是并发编程的核心需求,但需要谨慎处理同步问题以避免竞态条件,本文通过代码示例给大家介绍了几种主要实现方式及其最佳实践,... 目录1. 共享变量与同步机制2. 轻量级通信机制3. 线程安全容器4. 线程局部变量（ThreadL
阅读更多...
python使用Akshare与Streamlit实现股票估值分析教程（图文代码）

python使用Akshare与Streamlit实现股票估值分析教程（图文代码）

《python使用Akshare与Streamlit实现股票估值分析教程（图文代码）》入职测试中的一道题,要求:从Akshare下载某一个股票近十年的财务报表包括,资产负债表,利润表,现金流量表,保存... 目录一、前言二、核心知识点梳理1、Akshare数据获取2、Pandas数据处理3、Matplotl
阅读更多...
分布式锁在Spring Boot应用中的实现过程

分布式锁在Spring Boot应用中的实现过程

《分布式锁在SpringBoot应用中的实现过程》文章介绍在SpringBoot中通过自定义Lock注解、LockAspect切面和RedisLockUtils工具类实现分布式锁,确保多实例并发操作... 目录Lock注解LockASPect切面RedisLockUtils工具类总结在现代微服务架构中，分布
阅读更多...
Java使用Thumbnailator库实现图片处理与压缩功能

Java使用Thumbnailator库实现图片处理与压缩功能

《Java使用Thumbnailator库实现图片处理与压缩功能》Thumbnailator是高性能Java图像处理库,支持缩放、旋转、水印添加、裁剪及格式转换,提供易用API和性能优化,适合Web应... 目录1. 图片处理库Thumbnailator介绍2. 基本和指定大小图片缩放功能2.1 图片缩放的
阅读更多...
Python使用Tenacity一行代码实现自动重试详解

Python使用Tenacity一行代码实现自动重试详解

《Python使用Tenacity一行代码实现自动重试详解》tenacity是一个专为Python设计的通用重试库,它的核心理念就是用简单、清晰的方式,为任何可能失败的操作添加重试能力,下面我们就来看... 目录一切始于一个简单的 API 调用Tenacity 入门：一行代码实现优雅重试精细控制：让重试按我
阅读更多...
Redis客户端连接机制的实现方案

Redis客户端连接机制的实现方案

《Redis客户端连接机制的实现方案》本文主要介绍了Redis客户端连接机制的实现方案,包括事件驱动模型、非阻塞I/O处理、连接池应用及配置优化,具有一定的参考价值,感兴趣的可以了解一下... 目录1. Redis连接模型概述2. 连接建立过程详解2.1 连php接初始化流程2.2 关键配置参数3. 最大连
阅读更多...
Python实现网格交易策略的过程

Python实现网格交易策略的过程

《Python实现网格交易策略的过程》本文讲解Python网格交易策略,利用ccxt获取加密货币数据及backtrader回测,通过设定网格节点,低买高卖获利,适合震荡行情,下面跟我一起看看我们的第一... 网格交易是一种经典的量化交易策略，其核心思想是在价格上下预设多个“网格”，当价格触发特定网格时执行买
阅读更多...
python设置环境变量路径实现过程

python设置环境变量路径实现过程

《python设置环境变量路径实现过程》本文介绍设置Python路径的多种方法：临时设置（Windows用`set`,Linux/macOS用`export`）、永久设置（系统属性或shell配置文件... 目录设置python路径的方法临时设置环境变量（适用于当前会话）永久设置环境变量（Windows系统
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2