紋理分析

紋理分析指通過一定的圖像處理技術提取出紋理特徵參數，從而獲得紋理的定量或定性描述的處理過程。紋理分析方法按其性質而言，可分為4大類：統計分析方法、結構分析方法、信號處理方法和模型方法。

基本介紹

• 中文名：紋理分析
• 外文名：Texture Analysis
• 性質：視覺現象
• 作用：在計算機視覺領域有著重要的套用
• 類別：測繪科學
• 方法：統計分析方法等

定義

紋理是一種普遍存在的視覺現象，當前對於紋理的精確定義還未形成統一認識，多根據套用需要做出不同定義。

定義1紋理是一種反映圖像中同質現象的視覺特徵，體現了物體表面共有的內在屬性，包含了物體表面結構組織排列的重要信息以及它們與周圍環境的聯繫。

定義2 按一定規則對元素（elements）或基元（primitives）進行排列所形成的重複模式。

定義3 如果圖像函式的一組局部屬性是恆定的，或者是緩變的，或者是近似周期性的，則圖象中的對應區域具有恆定的紋理。

概念

儘管紋理在圖像分類和圖像分析中是很重要的特性，並且使用的很廣泛，且在直覺上可能是很明顯的，但是由於它的變化範圍很寬泛，因而並沒有精確的定義。

霍金認為紋理的標誌有三要素：

一是某種局部的序列性，在該序列更大的區域內不斷重複；

二是序列是由基本部分非隨機排列組成的；

三是各部分大致都是均勻的統一體，紋理區域內任何地方都有大致相同的結構尺寸。一般認為紋理就是指在圖像中反覆出現的局部模式和它們的排列規則。

圖像特徵

紋理特徵就是圖像局部性質恢度分布函式的統計。從人們的感知經驗可知，粗糙性和方向性是人們區分紋理所用的兩個最主要的特徵。構成紋理特徵的兩個要素如下：
(1)紋理基元：圖像中最基本的單元是像素，由像素組成的具有一定形狀和大小的集合，如圓斑、塊斑、花布的花紋等，這些有一定形狀和大小多鐘圖像基元的組合叫做紋理基元。
(2)紋理是由紋理基元排列組合而成的。基元排列的疏密，周期性，方向性等的不同。能使圖像的外觀產生極大地改變。
多年來，研究者們建立了許多紋理算法以測量紋理特徵。這些方法大體上可以分為兩大類：統計分析方法和結構分析方法。

總結來說，紋理圖像的特徵主要表現為：

(1)局部的空間變化次序在更大的區域內不斷重複；

(2)序列是由基本元素非隨機排列而組成；

(3)紋理區域內任何地方都有大致相同的結構尺寸。

作用分析

對這種表面紋理的研究稱為紋理分析。它在計算機視覺領域有著重要的套用。

在機械工程中對機械零件加工表面的這種凹凸不平性開展研究同樣具有重要的實踐意義。

對圖像灰度空間分布模式提取和分析

紋理分析在遙感圖像、 X射線照片、細胞圖像判讀和處理方面有廣泛的套用。關於紋理，還沒有一個統一的數學模型。它起源於表征紡織品表面性質的紋理概念，可以用來描述任何物質組成成分的排列情況，例如醫學上X 射線照片中的肺紋理、血管紋理、航天(或航空)地形照片中的岩性紋理等。圖像處理中的視覺紋理通常理解為某種基本模式（色調基元）的重複排列。因此描述一種紋理包括確定組成紋理的色調基元和確定色調基元間的相互關係。紋理是一種區域特性，因此與區域的大小和形狀有關。兩種紋理模式之間的邊界，可以通過觀察紋理度量是否發生顯著改變來確定。紋理是物體結構的反映，分析紋理可以得到圖像中物體的重要信息，是圖像分割、特徵抽取和分類識別的重要手段。對於空間域圖像或變換域圖像（見圖像變換），可以用

統計和結構兩種方法進行紋理分析

統計紋理分析尋找刻劃紋理的數字特徵，用這些特徵或同時結合其他非紋理特徵對圖像中的區域（而不是單個像素）進行分類。圖像局部區域的自相關函式、灰度共生矩陣、灰度遊程以及灰度分布的各種統計量，是常用的數字紋理特徵。如灰度共生矩陣用灰度的空間分布表征紋理。由於粗紋理的灰度分布隨距離的變化比細紋理緩慢得多，因此二者有完全不同的灰度共生矩陣。

結構紋理分析研究組成紋理的基元和它們的排列規則。基元可以是一個像素的灰度、也可以是具有特定性質的連通的像素集合。基元的排列規則常用樹文法來描述。

基元與影調

一個紋理基元（不嚴格地說）是一個具有一定的不變特性的視覺基元。這些不變特性在給定區域內的不同位置上，以不同的變形和不同的方向重複出現。紋理基元最基本的不變特性之一是區域內象素的灰度分布，而影調也是表示灰度的明暗分布。

因此，我們認為影調和紋理不是獨立的概念：當在圖象的一定面積區域中影調基元的變化很小時，這個區域的主導特性是影調。當在小面積區域中含大量不同的影調，這個區域占主導的特性是紋理。