【正文】 圖像處理的結(jié)果如圖 45 圖 45 原圖像和加 入 Sobel 算子后的圖像 對(duì)同樣的圖像，在邊緣提取后，對(duì)三種處理的圖像 分別用 ImageJ 插 件實(shí)現(xiàn)邊緣特征提取，對(duì)比它們的各項(xiàng)參數(shù)數(shù)據(jù)如表 42 至 44： 表 42 邊緣紋理實(shí)驗(yàn)數(shù)據(jù)對(duì)比（ 1） 大梯度優(yōu)勢(shì) 小梯度優(yōu)勢(shì) 灰度分布不均勻性 梯度分布不均勻性 灰度圖像 加噪圖像 平滑圖像 天津大學(xué) 2021屆本科生畢業(yè)設(shè)計(jì)（論文） 26 表 43 邊緣紋理實(shí)驗(yàn)數(shù)據(jù)對(duì)比（ 2） 灰度平均 梯度平均 梯度均方差 灰度均方差 灰度圖像 加噪圖像 平滑圖像 表 44 邊緣紋理實(shí)驗(yàn)數(shù) 據(jù)對(duì)比（ 3） 能量 相關(guān) 灰度熵 梯度熵 混合熵 慣性 灰度圖像 加噪圖像 平滑圖像 圖 46 是加噪和平滑后的邊緣特征圖像。三幅圖像的對(duì)比度變化范圍很小（變化在小數(shù)點(diǎn)后 10 位左右），在數(shù)據(jù)經(jīng)過(guò)處理后，基本相等，即說(shuō)明了 圖像的紋理清晰程度基本一致。下面的實(shí)驗(yàn)測(cè)試了各個(gè)特征參數(shù)的有效性。接著對(duì)滿足T R UERRP kj ?)( ? 的任意兩個(gè)相鄰區(qū)域 jR 和 kR 進(jìn)行聚合。圖像分割算法是基于亮度值的兩個(gè)基本特性：不連續(xù)性和相似性。外部信息有圖像的文件名、 URL 地址、圖像前后的文本等。 基于知識(shí)的語(yǔ)義提取，需要預(yù)先給系統(tǒng)提供必要的知識(shí)，如對(duì)象模板、圖像場(chǎng)景分類器等等。形狀特征提取的結(jié)果如圖 36 所示， 其中各個(gè)參數(shù)結(jié)果以 int 和 double 類型保存，并可以通過(guò) get()方法被其他接口調(diào)用 。 1) 質(zhì)心： )/,/(),( 00010010 MMMMji ??? （ 39） 零階矩 00M 是區(qū)域密度的總和，可以理解為厚度為 1 的物體的質(zhì)量，所以一階矩 10M 和 01M 分別除以零階矩 00M 所得到的坐標(biāo)就是物體質(zhì)量中心的坐標(biāo)，也就天津大學(xué) 2021屆本科生畢業(yè)設(shè)計(jì)（論文） 19 是區(qū)域灰度的重心。由于二值化圖像滿足這一定理，因此其 pq 階矩就可以用于特征提取的計(jì)算： ? ?? qppq jijifM ),(。包含任一凹形的最小的凸形閉包可以表示凹凸性。圖像的區(qū)域面積用同一區(qū)域內(nèi)像素的個(gè)數(shù)來(lái)表示，可通過(guò)掃描圖像，累加同一標(biāo)記像素?cái)?shù)得到，或者直接在加標(biāo)記處理時(shí)計(jì)數(shù)得到。邊界矩 [14]可以 減少邊界表示的維數(shù)，其優(yōu)點(diǎn)是易于實(shí)現(xiàn)，但只有少量的低階矩有物理意義。 其 中 Lf 和 Lg 分別初 始化為 64。,({ ?? Njijig ?.同樣將梯度圖像正規(guī)化處理，以使其梯度值更加離散： 1]/),([),( m a x ?? gLjigjiG g （ 38） 這 樣 ， 我 們 可 以 得 到 灰 度 梯 度 共 生 矩 陣 ),( yxH 定 義 為 集 合}1,2,1,0,。程序執(zhí)行結(jié)果如圖 33。若圖像充滿細(xì)紋理，則圖像的熵值最大。相對(duì)應(yīng)可以這樣理解，粗紋理含有較多的能量，細(xì)紋理含有較少的能量。amp。iihistSize。這里我們擴(kuò)展 ImageJ： a） 首先定義一個(gè) double 型的二維數(shù)組 pd 存儲(chǔ)共生矩陣值。、 90176。其他的 ImageJ 用戶可以通過(guò)調(diào)用插件的 getHistDelta()方法得到灰度直方圖均 值的數(shù)據(jù)。 圖 31 均值計(jì)算流程圖 程序代碼建立如下： for(int j=0。 int histSize = ()。 2. 紋理基元的排列組合，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(chǎn)生極大的改變。 ：通常的模式畸變主要有：噪聲、平移、放縮、旋轉(zhuǎn)和仿射等變化。 最后的 showAbout()方法靜態(tài)調(diào)用了 ()方法，顯示相關(guān)插件的天津大學(xué) 2021屆本科生畢業(yè)設(shè)計(jì)（論文） 9 信息： void showAbout() { (―About Inverter_...‖, ―This sample plugin filter inverts 8bit images. Look\n‖ + ―at the ?‘ source file to see how easy it is\n‖ +‖in ImageJ to process nonrectangular ROIs, to process\n‖ +‖all the slices in a stack, and to display an About box.‖)。 for (int y=。 接著在類名中實(shí)現(xiàn) PlugInFilter 接口： public class Inverter_ implements PlugInFilter { 然后在類中實(shí)現(xiàn) setup()方法： public int setup(String arg, ImagePlus imp) { if ((―about‖)) { showAbout()。 目前已有的插件類型分兩種：接受圖像參數(shù)的插件 PluginFilter 和不接受參數(shù)的 PluginFrame。 下面圖 23 是 ImageJ 的核心處理包的設(shè)計(jì)類圖。 包：對(duì)常用的圖像處理算法的封裝，包括二值化、高斯濾波、平滑、銳化、投影等常見(jiàn)算法的實(shí)現(xiàn)。其中， ImageJApplet 是 ImageJ 的 Applet 類，提供了在瀏覽器中以Applet 的形式使用 ImageJ 的功能； ImageJ 是 ImageJ 應(yīng)用程序的主類，包含了程序入口點(diǎn) main 方法以及程序窗口； Executer 類可以單獨(dú)創(chuàng)建一個(gè)線程來(lái)執(zhí)行菜單中選中的命令； IJ 類中包含了許多實(shí)用的方法； ImagePlus 表示了圖像在 ImageJ中的表示形式，它是基于 ImageProcessor 的（后面將介紹）； ImageStack 是一個(gè)可擴(kuò)展的圖像棧，用來(lái)存儲(chǔ)圖像； WindowManager 類用來(lái)管理當(dāng)前已經(jīng)打開(kāi)的窗口。 ImageJ 的正式版本還在不斷更新中。密度或灰度校正也已經(jīng)推出。它可以計(jì)算面積和像素值統(tǒng)計(jì)用戶定義的選項(xiàng)。 第五章 總結(jié)和展望：對(duì)本文做了簡(jiǎn)單的總結(jié)，并對(duì)后續(xù)工作做了展望。 本文對(duì)圖像特征提取和描述的常用方法進(jìn)行了概述，包括形狀特征和紋理特征，并詳細(xì)說(shuō)明了特征提取的基本原理和方法，深入闡述了特征提取在語(yǔ)義描述中的應(yīng)用。這個(gè)過(guò)程不單反映了圖像本身客觀存在的語(yǔ)義信息，還包含觀察者對(duì) 圖像的主觀信息感知，至今沒(méi)有建立一個(gè)嚴(yán)格的數(shù)學(xué)模型，而且人視覺(jué)系統(tǒng)不能簡(jiǎn)單地做為一個(gè)具體的圖像數(shù)字化和簡(jiǎn)單地傳輸系統(tǒng)來(lái)處理。從輪廓上的任一點(diǎn)開(kāi)始繞輪廓一周可以定義一個(gè)復(fù)數(shù)序列，對(duì)其進(jìn)行離散傅立葉變換，就得到輪廓的傅立葉描述，這種描述多用于趨于邊界的形狀特征。要把圖像的低層特征與高層特征有機(jī)地結(jié)合起來(lái)，必須有好的形狀特征描述與提取算法的支持。它包括 6 個(gè)性質(zhì)：粗細(xì)度 （ coarseness） ，對(duì)比度（ contrast），方向性天津大學(xué) 2021屆本科生畢業(yè)設(shè)計(jì)（論文） 2 （ directionality）， 線狀性（ linelikeness） , 規(guī)則性（ regularity）和粗糙度（ roughness）。 在航天、軍事、安全領(lǐng)域，特征提取同樣有著重要的意義。 在工業(yè)領(lǐng)域，大規(guī)模自動(dòng)化及高效流水線已經(jīng)被廣泛應(yīng)用，讓機(jī)器能識(shí)別產(chǎn)品及零部件的圖像信息對(duì)提高工作效率和準(zhǔn)確性都是一個(gè)有效的做法。最后在 Eclipse環(huán)境下使用 Java語(yǔ)言實(shí)現(xiàn)了圖像形狀和紋理特征的提取，并以 ImageJ的插件形式應(yīng)用。當(dāng)前圖像處理的開(kāi)源代碼已經(jīng)具備并且Java語(yǔ)言提供的圖像處理的包的多樣性為實(shí)驗(yàn)可行提供前提。 形狀信息的提取與描述已成為當(dāng)前圖像處理領(lǐng)域的重要課題。該計(jì)劃將支持任意數(shù)量的 窗口 ， 但受到內(nèi)存的限制 。它支持 “ 棧 ” ，一系列的 圖像 ，共享一個(gè)單獨(dú)的窗口。 這是因?yàn)楫?dāng)一個(gè)三維 物體投影到 一個(gè)二維圖像平面 上時(shí) ，一維對(duì)象的信息 就丟失了 。 7. 逐步添加圖像處理功能及完成相關(guān)接口的代碼編寫。） 1. 系統(tǒng)學(xué)習(xí) Java 編程語(yǔ)言，熟練撐握 Java語(yǔ)言的基本思想和相關(guān)的編程技術(shù)，熟悉 Eclipse 編程環(huán)境。但由于紋理只是一種物體表面的特性，并不能完全反映出物體的本質(zhì)屬性，所以僅僅利用紋理特征是無(wú)法獲得高層次圖像內(nèi)容的。） 數(shù)字圖像處理 （ Digital Image Processing） 又稱為計(jì)算機(jī)圖像處理，它是指將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的過(guò)程。它既可以以網(wǎng)頁(yè) Applet的形式運(yùn)行也可以作為應(yīng)用軟件工具下載使用。 二、參考文獻(xiàn) [1]圖像特征特點(diǎn)及其常用的特征提取與匹配方法 [EB/OL]． ． [2]John Krumm and Steven A. Shafer． Texture Segmentation and Shape in the Same Image [J]． Computer Vision, 1995. Proceedings, Fifth International Conference on2023 June 1995 Page(s):121—127． [3]Rafael and Richard ． Digital Image Processing Second Edition [M]． Prentice Hall, 20213． [4]Edward Angel． Interactive Computer Graphics [M]． ADDISONWESLEY,1997． [5]Shuangbao Wang, Zegang Dong, Jim X. Chen and Robert S. Ledley． PPL: A wholeimage processing languageComputer Languages[J] ． Systems amp。 4. 了解圖像處理算法當(dāng)前的發(fā)展形勢(shì)及前景，閱讀圖像處理及圖形學(xué)基本算法實(shí)現(xiàn)及研究現(xiàn)狀。目標(biāo)就是 由大集合或從遠(yuǎn)程分布式數(shù)據(jù)庫(kù) 得到的圖像可以被 不僅 是 研究人員 、 教育工作者和專業(yè)人士，而且由一般用戶 所共享 。適合多種平臺(tái)，包括 Windows, Mac OS, Mac OS X 以及 Linux。它支持標(biāo)準(zhǔn)的圖像處理功能，如 比較 ，銳化，平滑，邊緣檢測(cè)和中值濾波。用戶 編寫的 插件使人們有可能解決幾乎任何圖像處理或分析的問(wèn)題。并在此基礎(chǔ)上包含其他圖像處理功能以做補(bǔ)充。圖像特征提取工作的結(jié)果給出了某一具體的圖像中與其他圖像相區(qū)別的特征，是后期圖像識(shí)別工作的基礎(chǔ)。圖像所包含的信息量往往很大，不僅有灰度，還有色彩；不僅有平面，還有立體等，其內(nèi)容極為廣泛。這就需要計(jì)算機(jī)處理這些監(jiān)控圖像，通過(guò)對(duì)植株或牲畜實(shí)體圖像的特征提取，了解生物的生長(zhǎng)狀況，從而進(jìn)行進(jìn)一步操作。目前的研究多是基于圖像底層特征的提取，包括形狀、紋理和顏色等。 Smith 和 Chang 使用從小波帶中抽取的統(tǒng)計(jì)量（平均值和方差）作為紋理表示，取得了較好的效果 [3]。此外，為了使從不同視角獲取的目標(biāo)圖像互相匹配，形狀特征還應(yīng)具有平移、旋轉(zhuǎn)和縮放變換不變性。最初認(rèn)為圖像基本特征如顏色、形狀、紋理等的融合就是語(yǔ)義，但是這些只是低層次語(yǔ)義，不能充分反映圖像的語(yǔ)義結(jié)構(gòu)。顏色會(huì)激起觀察者不同的情感，不同顏色可能存在很大的差別，其表達(dá)的語(yǔ)義信息對(duì)不同對(duì)象有不同的理解。 第三章 基于實(shí)體的圖像特征提取及描述：詳細(xì)介紹了圖像特征提取的原理和方法并論述了開(kāi)發(fā) ImageJ 插件的過(guò)程。它可以 打開(kāi) 許多圖像格式，包括 TIFF 文件 ， GIF ， JPEG 格式， BMP 和 DICOM 以及 raw圖像格式 。 圖像 可縮放高達(dá) 32:1 ，下至 1:32 。程序源碼是公開(kāi)的，作者 Wayne Rasband ()是 NIH 研究服務(wù)部門的員工。首先看 ImageJ 的包結(jié)構(gòu) ，如圖 22 所示。 包：封裝了用戶開(kāi)發(fā)插件時(shí)經(jīng)常用到的方法，包括直方圖、剪貼板、圖像頭的獲取、彩色模型、編譯器、傅立葉變換等一系列方法。其中各種 數(shù) 據(jù) 類 型 的 處 理 器 （ BinaryProcessor ， ShortProcessor 等 ） 都 繼 承 于ImageProcessor。 ImageJ 為用戶提供了一個(gè)插件集成開(kāi)發(fā)環(huán)境，在這個(gè)環(huán)境里用戶不僅可以編輯和查看代碼，還可以編譯和運(yùn)行代碼。 import 。 int width = ()。 x++) { I = offset + x。圖像特征的提取，即從圖像中提取有用的信息和視覺(jué)特征。它們總體都反應(yīng)了物體表面顏色和灰度的某種變化，而這些變化又與物體本身的屬性相關(guān)。將直方圖的相似性進(jìn)行比較，就可以發(fā)現(xiàn)紋理基元排列的周期性及緊密天津大學(xué) 2021屆本科生畢業(yè)設(shè)計(jì)（論文） 11 性等。 b）將所有灰度級(jí)對(duì)應(yīng)的直方圖數(shù)組值求和。 均值的計(jì)算結(jié)果用 histMean 一個(gè) double 數(shù)據(jù)來(lái)存儲(chǔ)。于是人們自然想到通過(guò)研究灰度空間相關(guān)性來(lái)描述紋理，這就是灰度共生矩陣的思想基礎(chǔ)。 歸一化值： Sjipjip /),(),( ?? ?? （ 32） 其中 S 為矩陣各元素之和。 c）再遍歷數(shù)組 pd，并求元素和。 y++) for