【正文】 因為噪聲圖像加入了噪聲，所以信息量變大，從而熵值較大；平滑圖像連接了部分紋理，因此信息量變小，所以熵值較小。 ii. 在 run()方法中，利用參數(shù) ImageProcessor，得到圖像的灰度直方圖，計算共生矩陣和梯度算子。在語義空間，簇區(qū)代表著最高頻率關鍵字的項目，通過映射，簇區(qū)代表了從底層特征空間到相應語義的過程。 圖像的語義特征可以分為三類： （ 1） 場景語義：圖像所處的場景，例如草地、水面、天空等。ii++) for(jj=0。 形狀復雜性用離散指數(shù) e 表示，計算公式為： SLe /2? 。任何一個實物形狀特征均可有其幾何屬性（如長短、面積、距離等），統(tǒng)計屬性（如投影）和拓撲屬性（如連通、歐拉數(shù)）來進行描述。加入微分算子的圖像共生矩陣，對描述圖像邊緣的紋理有極大的幫助。相關是用來衡量灰度共生矩陣的元素在行的方向或列的方向的相似程度。 y(+)。為了計算方便，可以先將矩陣歸一化。 } histMean = zh/h。如果兩幅圖像的直方圖相同或相似，則說明兩幅圖像有相同或相似的紋理基元 。其中有些是視覺直接感受到的自然特征，如區(qū)域的亮度、邊緣的輪廓、紋理或色彩等；有些是需要通過變換或測量才能得到的人為特征，如變換頻譜、直方圖、矩等。 接著 是 run()方法 的實現(xiàn)： public void run(ImageProcessor ip) { byte[] pixels = (byte[])()。這里先介紹ImageJ 插件開發(fā)的方法。 包：對圖像分析的方法和對象的封裝，包括 Measurements, ResultTable 等類。 ImageJ 是在 Mac OS X 操作系統(tǒng)中用其內置的編輯器和 Java 編譯器開發(fā)的，額外用到了 BBEdit 和 Ant 構建工具。 ImageJ可以顯示，編輯，分析，處理，保存和打印 8 位， 16 位和 32 位圖像。如在不同天津大學 2021屆本科生畢業(yè)設計（論文） 3 場合顏色表示了某些特定的意義。矩特征的研究則引入了更多的圖像性質和物理特性，包括質心、中心距等。 國內外發(fā)展現(xiàn)狀 圖像特征提取是圖像處理領域的一個重要內容。對數(shù)字圖像的特征提取和表達描述成了當前重要的研究領域。 研究內容重點在圖像形狀和紋理處理，完成的軟件工具要具備形狀和紋理處理的基本功能實現(xiàn)。它可以創(chuàng)造密度直方圖和 譜線 輪廓 圖 。 隨著 信息對象數(shù)字化，越來越多的數(shù)字化 圖像 已產(chǎn)生 ，對圖像處理的數(shù)字化軟件工具的需求也越來越迫切。 本課題的目的就是做一個能提取并處理圖像的紋理與形狀信息的并可以應用于 ImageJ的圖像處理插件。數(shù)字圖像處理最早出現(xiàn)于 20世紀 50年代 ，當時的電子計算機已經(jīng)發(fā)展到一定水平，人們開始利用計算機來處理圖形和圖像信息。 2. 深入了解 Java 中的圖像處理類及相關包的性能與特性。因此， 來自圖 像的 形狀只是部分代表投影 對象。 具有 空間校準 功能 ，以提供真實世界的三維測量單位，例如毫米。圖像形狀的提取及紋理映射的數(shù)學機理都已成熟，為實驗原理提供基礎為算法的編寫提供可行性證明。而這就免不了要通過計算機告訴機器目標圖像是 什么，有些什么特征。目前使用較多的是前三個。形狀無關矩是基于區(qū)域的物體形狀表示方法，將一些歸一化的二階和三階中心矩進行組合可得到 7 個對平移、旋轉和縮放變換均無關的矩。 2. 紋理和形狀特征的插件實現(xiàn)和結果分析。它可以測量距離和角度。隨著圖像處理技術的不斷深化和進步，圖形處理計算機的不斷開發(fā)，操作系統(tǒng)的不斷升級， ImageJ 在 Windows 和Linux 操作系統(tǒng)上的應用也更加廣泛。包括 Binary, Filters, Rotator, Projector 等類。 PluginFrame 將會生成自己的窗口用來顯示相關信息。 y(+)。圖像特征提取涉及的面很廣。 其 中的 hist 和 histsize 分別是直方 圖 數(shù)組和灰度級大小。 否 是 遍歷結束 求和 開始 結束 計算乘積 天津大學 2021屆本科生畢業(yè)設計（論文） 12 基于灰度級的直方圖特征并不能建立特征和紋理基元的一一對應關系。 double [][]pd = new double[histSize][histSize]。pij[][x+]==jj) {pd[ii][jj] +=1。 這四個統(tǒng)計參數(shù)為應用灰度共生矩陣進行紋理分析的主要參數(shù)，可以組合起來，成為紋理分析的特征參數(shù)使用。),(),(|),{( ???? NjiyjiGxjiFji ?且。如邊緣曲線、曲率、傅立葉描述子等，其中傅立葉形狀描述符 （ Fourier ShapeDescriptors） 是最典型的方法。凹形率可用凸形閉包的面積減去凹形的面積再與凹形面積做比得到，即凹形率 E 為： SSE e /? 。 2) 中心矩： ? ? ?? ??? qppq jjiijifm )())(,( （ 310） 中心距 pqM 反映了區(qū)域中的灰度相對于灰度重心是如何分布的度量。依據(jù)提取的語義內容和采取的方法，又可以分為基于對象識別的處理方法和全局處理方法。利用不連續(xù)性分割圖像主要應用于圖像的邊緣；利用相似性分割圖像主要應用于根據(jù)一定的準則將圖像分割為相似的區(qū)域。 區(qū)域紋理特征實驗結果 圖 43 顯示了原彩色圖像和經(jīng)過灰度化后的圖像。 圖 46 加噪和平滑后的圖像邊緣 對于三種處理方式，在噪聲的加入后，圖像 邊緣的各個特征參數(shù)值變化劇烈，眾多的參數(shù)數(shù)據(jù)已沒有相似性，這說明了噪聲可以影響圖像的邊緣紋理信息。由于在噪聲圖像中，灰度更加平均，因此矩值最小即紋理最細；而平滑后的圖像紋理相對模糊，因此矩值較大即紋理較粗。對 R 反復將分割結果重新分割為四個區(qū)域，直到對任何區(qū)域 iR ，有 TRUERP i ?)( 。 基于外部信息源的語義提取是指根據(jù)圖像來源處 的其他信息獲得與圖像相關的相對高層的描述信息。但在實際中，通常選取前幾階矩計算，這樣方便快捷但容易產(chǎn)生一些誤差和近似。矩特征的引入基于了帕普利斯（ Papoulis）唯一 性定理：如果 ),( yxf 是分段連續(xù)的，只在 xy 平面的有限部分中有非零值，則所有各階矩皆存在，并且矩序列 }{ pqM 唯一地被 ),( yxf 所確定；反之， }{ pqM 也唯一地確定 ),( yxf 。 （ 1）區(qū)域的幾何特征描述 在 ImageJ 中，對幾何形狀特征參數(shù)的提 取，主要方法就是遍歷二值圖像，對每個像素值計數(shù)，各個參數(shù)的基本計算流程如圖 35： 圖 35 幾何特征的計算流程 1) 面積 S 和周長 L 面積與周長是最常用的描述區(qū)域大小的基本特征。定義灰度 梯度共生矩陣 double[][] H = new double[Lf][Lg]。這是在 Haralick 等為了給航空照 片的地勢和砂巖的顯微鏡照片分類，計算過的特征量。二階矩是灰度共生矩陣像素值平方的和，所以它也稱為能量。 第 2 步核心代碼如 下： for(ii=0。、 45176。 程序流程 如圖 31 所示。通過 觀察不同物體的圖像，可以抽取出構成紋理特征的兩個要素： 1. 紋理基元，一種或多種圖像基元組合而成，有一定的形狀和大小。 } } } 該方法首先獲取了圖像的像素值并用 byte數(shù)組存儲，接著獲取圖像的寬和高，然后遍歷整個數(shù)組，將每一個像素都與 255 做差，即實現(xiàn)了圖像的反色。 import .*。 和 包：作為輔助包，簡單規(guī)定了文本格式和排序方法。下面就對 ImageJ 各個包的類庫做一個簡單介紹： ij 包：作為軟件的宏觀管理結構，包含了 IJ， WindowManager， ImagePlus，ImageStack 和 ImageJ 等主要的類，為圖像窗口的管理，圖像格式的定義以及整個軟件搭好架構。 具有 空間校準 功能 ，以提供真實世界的三維測量單位，例如毫米。 第四章 基于 ImageJ 的紋理形狀特征提取：介紹了特征提取前的分割工作，并通過特征提取的實驗結果比對各個特征參數(shù)。圖像經(jīng)過人視覺系統(tǒng)傳送到大腦，經(jīng)過心理響應過程最后輸出的必然是某些很不相同的東西。 對于形狀特征，形狀特征是描述高層視覺特征 (如目標、對象等 )的重要手段，而目標、對象對獲取圖像語義尤為重要。通過計算機提取圖像的特征并做出初步的合理的分析，再將這些分析結果 交由有經(jīng)驗的醫(yī)生去處理，不僅節(jié)約時間，也保證了正確性。介紹了 ImageJ圖像處理軟件的背景及其插件的開發(fā)與應用。這些不同的形狀特征往往 被 他們從一個指定的數(shù)據(jù)庫取出 的 類似形狀 所評價 。它可以打開 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 。 6. 閱讀相關資料 ，初步 建立插件架構和簡單特征提取算法設計，建立簡單用戶界面與圖形算法接口。 紋理特征是一種全局特征，它描述了圖像或圖像區(qū)域所對應景物的表面性質。適合多種平臺，包括 Windows, Mac OS, Mac OS X 以及 Linux。 5. 深入理解 ImageJ 的結構與代碼構成，開始設計課題要求的插件。 ImageJ可以顯示，編輯，分析，處理，保存和打印 8 位， 16 位和 32 位圖像。 形狀 表示 的 各種功能都 已經(jīng) 被設計，包括形狀簽名 、 簽名直方圖 、 形狀不變 量 、 矩 、 曲率 、 形狀 、 形成矩陣 、 光譜特性等。 本文 首先綜述了圖像特征提取的意義，介紹了圖像特征提取 在國內外的研究進展 ，并深入具體介紹了圖像分割和特征提取領域的技術進展。 在醫(yī)學領域，圖像特征提取及描述更是具有重要的意義， CT 或者 MRI 圖像包含著大量的信息，人工的去觀察和分析這些信息不免會發(fā)生錯誤而且耗費精力。 Ma 和 Manjunath 評價了各種小波變換，包括正交和雙正交小波變換，樹結構小波變換和 Gabor 小波變換 [4]。圖像的語義信息是個很復雜的問題。并介紹了特征用于語義描述的簡單流程。該計劃將支持任意數(shù)量的 窗口 ， 但受到內存的限制 。 圖 22 ImageJ 包結構 ImageJ 總共包含 11 個包，每個包相應完成不同的功能，提供相應的類庫。 ImageCoverter 類實現(xiàn)了圖像間的類型轉換； ImageProcessor 作為所有圖像處理類型的超類完成了圖像的底層處理工作； StackCoverter 實現(xiàn)了棧內圖像的類型轉換； StackProcessor 是處理圖像棧的類。 import .*。 pixels[i] = (byte)(255pixels[i])。紋理在圖像處理中起著重要的作用，尤其是實物的紋理更是區(qū)別物體的基本特征。 c）乘積值比和值得到結果，程序結束。 灰度共生矩陣用 ?P 表示，矩陣元素則用以下的符號表示： ),( jiP? )1,2,1,0,( ?? Lji ? （ 31） 式中： i,j 分別為兩個像素的灰度； L 為圖像的灰度級數(shù)；為兩個像素間的位置關系（共有 0176。 d）最后遍歷數(shù)組 pd，并對每個值做歸一化處理。從圖像整體觀察，紋理較粗，此時二階矩 值較大，反過來二階矩值則較小。 本文另外還實現(xiàn)了 8 種其他特征參數(shù)，包括方差、逆差矩、和平均、和方差、和熵、差平均、差方差、差熵。然后分別遍歷兩遍數(shù)組，對 ),( jiF 和 ),( jiG 分別正規(guī)化。本文所研究的對圖像形狀的處理均是基于二值化圖像的并且對圖像形狀的分析是基于區(qū)域的。 （ 2）區(qū) 域的矩特征描述 矩特征是利用力學中矩的概念，將區(qū)域內部的像素作為質點，像素的坐標作為力臂 ，從而以各階矩的形式來表示區(qū)域的形狀特征。 根據(jù)帕普利斯定理，理論上是需要無窮多組的 pqM 序列才能確定 ),( yxf 。文本標注是最原始的建立高層概念與圖像聯(lián)系基于紋理和形狀特征的圖像檢索的方式，一幅圖像可以關聯(lián)的文本標注可能很多，并且不同標注與圖像之間的關聯(lián)度并不完全一致。具體的做法是，令 R 表示整幅圖像區(qū)域并選擇一個謂詞 P。而二階矩值說明了紋理的粗細。而在平滑后的圖像中這一變化微乎其微，基本不影響圖像的邊緣紋理。 圖 43 原圖像和經(jīng)過灰度化后的圖像 經(jīng)過灰度化后，圖像的紋理可用灰度直方圖和灰度共生矩陣描述。 基于區(qū)域的分割，本文采用區(qū)域生長算法。 人工交互的語義提取，主要體現(xiàn)在圖像庫預處理和反饋學習兩方面。 3) Hu 矩組： }{ pqM 的前 7 個矩的函數(shù)。 在 ImageJ 的實現(xiàn)中 ，我簡化了凹凸性的計算，修改了算法。基于區(qū)域特征的方法將區(qū)域形狀當作一個整體來看待，有效地利用了區(qū)域內的所有像素，因而受噪聲和形狀的影響相對較小，描述了區(qū)域像素的統(tǒng)計分布特征，如不變矩，區(qū)域面積、形狀參數(shù) （ Form Factor）等，其中不變矩是最常用的一種方法。在 ImageJ 中已經(jīng)定義了可以獲得邊緣值的方法接口，其中的梯度算子選用了 Sobel 算子。它們在 ImageJ 中的計算實現(xiàn)過程基本類似 ，可以概括為： a）遍歷共生矩陣，按照公式計算數(shù)據(jù)。} 天津大學 2021屆本科生畢業(yè)設計（論文） 13 算法流程如圖 32 所示。 并初始化各值為 0。相同的直方圖可能會有不同的紋理基元，因此運用直方