如何匹配图像中的纹理相似性？

Question

什么是量化图像的一部分纹理的方式？我试图在图像中检测纹理相似的区域，这就是“它们有多近似？”的一种度量。

所以问题是关于图像的哪些信息（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没有给出实际实现任何纹理分析的更多细节。

Answer 1

你想在图像中找到两个看起来相同（纹理相同）的独特区域，或者将图像中的纹理与另一个图像进行匹配？ 由于不同的辐射测量，第二个更难。

这里是如何测量区域相似度的基本方案。

1. 您可以编写一个函数，该函数根据输入获取图像中的一个区域并计算标量值。像平均亮度。这个标量被称为特征
2. 您可以编写更多这样的函数来获得大约8-30个特征。形成共同编码该地区的信息图像中
3. 计算这种载体，要比较
4. 定义相似函数，它接受两个向量和输出多少，他们是完全一样的两个区域的向量。

你需要把重点放在步骤2和4

第2步：使用以下功能：亮度STD（），某种角点检测的，熵滤波，边缘方向直方图，直方图的FFT频率（x和y方向）。如果可用，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。

在执行了大约4-6个这样的功能和相似性功能后，开始运行测试。查看结果并尝试了解它无法工作的原因或位置。然后添加一个特定的功能来覆盖该主题。 例如，如果您看到具有大斑点的纹理被认为与具有小斑点的纹理相似，则添加形态滤波器计算的大小> 20sq像素的对象的密度。

迭代5次确定问题设计特定功能的过程，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都是局部的，并且使用多分辨率分析比FT有更好的信号表示。

Thre是一个paper解释纹理描述的wavelete方法。还有一个比较方法。

您可能需要稍微修改一个算法以处理任意形状的图像。

Answer 3

对此，一个有趣的方法是使用本地二进制模式。 这里是一个基本的例子和一些解释：http://hanzratech.in/2015/05/30/local-binary-patterns.html

看到这种方法作为从图片获取功能的许多不同方法之一。它对应于DanielHsH方法的第二步。