《Visual C++数字图像模式识别技术详解(第2版)》一3.1 统计特征

3.1 统计特征

图像的统计特征只针对灰度图像,可以直观地描述图像中像素的灰度值分布情况。
图像灰度的一阶概率分布定义如下:

    (3-1)

式中,b是像素的灰度值,为0到255的整数值,n为数字图像中的总像素数,n(b)是该窗口内灰度值为b的像素数。则图像的统计特征包括如下特征:
(1)均值

    (3-2)

(2)方差

    (3-3)

(3)能量

    (3-4)

(4)熵

    (3-5)

图像的统计特征具有明确的物理含义。高均值灰度图像对应其亮度也应该高。高方差灰度图像则对应高图像对比度。图像能量和熵则反映了图像中各种灰度分布的不均匀性,分布越不均匀,图像能量越大,熵越低,如图3-1所示。

时间: 2024-09-10 14:58:34

《Visual C++数字图像模式识别技术详解(第2版)》一3.1 统计特征的相关文章

《Visual C++数字图像模式识别技术详解(第2版)》一第1章 绪 论

第1章 绪 论 模式识别可以说是伴随人们生活的每一天.听到某个人说话,就能分辨出这个人是谁:当某种东西出现在视觉范围之内时,就能认出这个东西是什么,诸如此类.人们从来没有过多地关注自己所具备的识别能力,而认为是理所当然的.随着计算机技术的发展,人们希望利用计算机模仿人的识别能力,从而开始了模式识别技术的研究.模式识别过程中往往包含推理过程,这又需要有专家系统.知识工程等相关学科的支持.作为模式识别技术的一个重要分支,数字图像模式识别技术已在各行各业中得到广泛应用,并为提高有关技术的自动化.智能化

《Visual C++数字图像模式识别技术详解(第2版)》一2.2 Visual C++数字图像处理

2.2 Visual C++数字图像处理 本节将在2.1节基础上讲解如何用Visual C++进行数字图像处理应用程序的开发.重点介绍Windows下BMP图像文件格式,以及如何用Visual C++对该数字图像文件进行读取,为后续内容的讲解打下基础. 2.2.1 BMP图像文件 BMP位图文件格式是Windows系统交换图像数据的一种标准图像文件存储格式,在Windows环境下运行的所有图像处理软件都支持这种格式.Windows 3.0以前的BMP位图文件格式与显示设备有关,因此把它称为设备相

《Visual C++数字图像模式识别技术详解(第2版)》一1.1 数字图像处理概述

1.1 数字图像处理概述 数字图像处理也称为计算机图像处理,是指将图像信号转换成数字格式并利用计算机对其进行处理的过程.数字图像处理起始于20世纪50年代,并于20世纪60年代初期形成一门独立学科.目前,数字图像处理技术作为自动化.信息化的一个重要手段广泛应用于各行各业许多环节中,为提高工作效率和工作精度做出了不可忽视的贡献.正因为如此,图像处理理论和技术受到了各界越来越广泛的重视. 1.1.1 数字图像获取 图像是指自然景物存储在各种介质上的视觉信息.这类原始图像也称为模拟图像.计算机无法直接

《Visual C++数字图像模式识别技术详解(第2版)》一第3章 图 像 特 征

第3章 图 像 特 征 本书的第3到第8章介绍基本的数字图像预处理方法.从模式识别的技术角度来讲,这些图像预处理方法可以增强数字图像中的有用信息,有利于提高对图像所属模式进行识别的准确率.但数字图像中得到增强的有用信息往往不能直接应用,还需对这些信息进行选择或提炼,才能得到具体的图像特征并最终用于对该图像的模式进行识别.本章将介绍图像的统计特征.幅值特征.几何特征.形状特征.纹理特征等基本特征及其提取方法.[本章导读] 3.1 统计特征 数字图像灰值化后可以对其灰度分布进行统计分析,并得到均值.

《Visual C++数字图像模式识别技术详解(第2版)》一1.2 模式识别基本概念

1.2 模式识别基本概念 模式识别是20世纪60年代迅速发展起来的一门前沿学科,在许多领域得到了广泛应用.本节简要介绍模式识别的基本概念和系统组成,以及模式识别在图像识别中的应用方法. 1.2.1 模式和模式识别的概念 模式识别的目的就是利用计算机模仿人的识别能力,它往往包含推理过程,需要专家系统.知识工程等相关学科的支持.当前的模式识别理论主要是对人的低级识别能力的模拟,即实现"观察对象是什么"的判断.模式是指具有某种特定性质的观察对象.特定性质是指可以用来区分观察对象是否相同或相似

《Visual C++数字图像模式识别技术详解(第2版)》一3.5 纹理特征

3.5 纹理特征 纹理特征是图像分析中的重要特征,因此成为模式识别中用来辨别图像区域的重要依据,它在图像的分类识别中得到了广泛的应用.纹理特征是一种不依赖于颜色或亮度的.反映图像中同质现象的重要特征,是所有物体表面共有的内在特性,包含了物体表面结构组织排列的重要信息以及与周围环境的联系.纹理的分析识别是图像理解.分析与识别中的重要研究内容之一. 如图3-5所示是几个典型物体的纹理图像,由图像可以看出,不同物体的纹理差别是很大的.可见,纹理可以作为一个重要特征用于描述不同物体. 3.5.1 纹理

《Visual C++数字图像模式识别技术详解(第2版)》一3.2 幅值特征

3.2 幅值特征 图像的统计特征只反映了图像整体的像素灰度分布特性,并没有反映不同灰度像素在图像中的位置分布信息,而图像的幅值特征则可以反映这些特性.图像的幅值特征主要包括两个,分别是矩特征和投影特征.1.矩由于图像幅值的分布是与空间相关的,因此对幅值与空间综合考虑得到的是相应的矩运算.对于一个M×N图像,其(i + j)阶矩定义如下: (3-6) 其中,f(x,y)是图像中坐标(x,y)的像素灰度值.i,j分别等于0,1,2-按照上述矩定义,矩M00就表示总灰度值的积累,其为: (3-7) 矩

《Visual C++数字图像模式识别技术详解(第2版)》一第2章 Visual C++数字图像处理基础

第2章 Visual C++数字图像处理基础 作为微软公司推出的一款功能强大而复杂的编译器,Visual C++提供了完善的Windows应用程序编程框架.它可用于开发各种类型.不同规模和复杂程度的应用程序,开发效率高,生成的应用软件代码性能优良. 利用Visual C++编程语言进行数字图像处理,可以充分发挥Visual C++编程灵活.功能强大.代码效率高等特点,在快速进行各种数字图像处理基础上,有效实现基于数字图像的各种模式识别应用. [本章导读] 2.1 Visual C++编程方法 系

《Visual C++数字图像模式识别技术详解(第2版)》一2.1 Visual C++编程方法

2.1 Visual C++编程方法 面向对象是一种重要的程序设计方法,采用这一思想的C++是当今世界上应用最广泛的编程语言.Windows平台下的C++编程工具首推Microsoft的Visual C++.但是,编写Windows应用程序只熟悉C++的语法还是远远不够的,还必须掌握MFC(Microsoft Foundation Class,微软基础类库). 面向对象的编程是当前程序设计中的热门话题,这里将介绍使用Visual C++进行面向对象编程时所用到的一些关键概念,这些概念是进一步学习