image-processing - 如何匹配图像中的纹理相似性？

Question

量化图像部分纹理的方法有哪些？我正在尝试检测图像中纹理相似的区域，这是一种衡量“它们有多相似？”的方法。

所以问题是关于图像的哪些信息(边缘、像素值、梯度等)可以被视为包含其纹理信息。

请注意，这不是基于模板匹配。

Wikipedia没有提供有关实际执行任何纹理分析的详细信息。

Answer 1

您想在图像中找到两个看起来相同(相同纹理)的不同区域，还是将一幅图像中的纹理与另一幅图像中的纹理相匹配？由于不同的辐射度，第二个更难。

这里是如何衡量区域相似性的基本方案。

1. 您编写一个函数，作为输入获取图像中的一个区域并计算标量值。像平均亮度。这个标量称为特征
2. 您编写更多此类函数以获得大约 8 - 30 个特征。它们一起形成一个向量，该向量对图像中的区域信息进行编码
3. 将这样的矢量计算到您要比较的两个区域
4. 定义相似度函数，它接受两个向量并输出它们的相似程度。

您需要专注于步骤 2 和 4。

第 2 步:使用以下功能:亮度的 std()、某种角检测器、熵过滤器、边缘方向直方图、FFT 频率直方图(x 和 y 方向)。如果可用，请使用颜色信息。

第 4 步。您可以使用余弦相似度、最小-最大或加权余弦。

在您实现大约 4-6 个此类功能和一个相似性函数后，开始运行测试。查看结果并尝试理解为什么或在哪里不起作用。然后添加一个特定的功能来涵盖该主题。例如，如果您发现具有大 Blob 的纹理被认为与具有小 Blob 的纹理相似，则添加形态学过滤器计算大小 > 20 平方像素的对象的密度。

重复确定问题设计特定特征的过程大约 5 次，您将开始获得非常好的结果。