如何匹配图像中的纹理相似度？

Question

量化图像某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，这类似于“它们的相似程度如何？”

所以问题是关于图像的信息（边缘，像素值，渐变等）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

你想在图像中找到两个看起来相同（相同纹理）的区域，或者将一个图像中的纹理与另一个图像匹配？ 由于不同的辐射测量，第二个更难。

以下是如何衡量区域相似性的基本方案。

1. 您编写的函数作为输入获取图像中的区域并计算标量值。像平均亮度一样。该标量称为特征
2. 你写了更多这样的函数来获得大约8到30个特征。它们一起形成一个矢量，该矢量编码有关图像中区域的信息
3. 计算要比较的两个区域的此类向量
4. 定义相似度函数，它取两个向量并输出它们的相似程度。

您需要关注第2步和第4步。

步骤2：使用以下特征：std（）亮度，某种角点检测器，熵滤波器，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。

步骤4.您可以使用余弦相似度，最小值 - 最大值或加权余弦值。

实施约4-6个此类功能后，相似功能开始运行测试。查看结果并尝试了解它不起作用的原因或位置。然后添加特定功能以涵盖该主题。 例如，如果您看到具有大斑点的纹理被视为与具有微小斑点的纹理相似，则添加形态过滤器计算的具有大小＆gt;的对象的密度。 20平方像素。

迭代识别问题设计特定功能的过程大约5次，您将开始获得非常好的结果。

Answer 2

我建议使用小波分析。小波在时间和频率上均被定位，并且使用多分辨率分析比FT具有更好的信号表示。

Thre是paper，用于解释纹理描述的wavelete方法。还有一种比较方法。

您可能需要稍微修改一个算法来处理任意形状的图像。

Answer 3

一种有趣的方法是使用局部二进制模式。 以下是一个基本示例和一些解释：http://hanzratech.in/2015/05/30/local-binary-patterns.html

将该方法视为从图片中获取要素的众多不同方法之一。它对应于DanielHsH方法的第二步。