图像直方图因其计算量小以及具有图像平移、旋转和缩放不变性等优点,被广泛应用于图像处理的各个领域,尤其是灰度图像的阈值分割、基于颜色的图像检索和图像分类。
Select_shape特征直方图
基本参数
‘区域’
行线
‘列’
宽度宽度
高度’高度
“row1”左上角的行坐标
“column1”左上角的列坐标
“row2”右下角的行坐标
“列2”右下角的列坐标
圆度(c’ = f/(max 2 * pi) c = min (1,c’) f是面积,max是最大半径)[圆度]
紧致性’紧致性(c ‘ = l ^ 2/(4 FPI)c = max(1,c’) l是面积的轮廓周长,f是面积)[紧致性]
“contlength”区域的总轮廓长度[contlength]
凸性’凸曲面(C = Fo/Fc Fc是凸出面积,Fo是原始面积)[凸性]
垂直度'(计算矩形和归一化矩形之间的区域差异)[垂直度]
等效椭圆的长轴[椭圆轴]
“rb”等效椭圆的短轴
等效椭圆的φ角
‘不对称’偏心率(不对称= Ra,Rb,其中Ra和Rb是长轴和短轴,A是面积)[偏心率]
整体偏心率(整体偏心率= pirarb/a)
“结构因子”偏心率(结构因子=不对称*体积-1)
形状参数
“外半径”外接圆半径[最小圆]
“内半径”内切圆半径[内圆]
‘ Inner_width ‘内接矩形的宽度[inner_rectangle1]
“inner_height”内接矩形的高度
‘ Max_diameter ‘轮廓区域中点之间的最大距离。
Dist_mean ‘圆周到中心的平均距离(distance = sum (||| p-pi ||)/f p是区域的中心,pi是轮廓像素,f是轮廓区域)[圆度]
Dist_deviation ‘从中心到圆周的距离偏差(sigma 2 = sum(| | | p-pi | | |-distance)2/f)
圆度(圆度= 1-适马/距离)
“边数”多边形的边数(边数= 1.4111 *(距离/西格玛)0.4724)
“方向”区域的方向。
“连接数量”组件的数量(连接,计数对象)[连接和孔]
Holes_num ‘孔的数量
Area_holes ‘孔面积[area_holes]
“欧拉数”孔的欧拉数(欧拉数分量和孔之间的差异)
“rect2_phi”外接矩形的方向
Rect2_len1 ‘外接矩形的半长轴
Rect2_len2 ‘外接矩形的半短轴
运动参数
Moments_m11 ‘几何矩_惯性积(mij = sum((z0-z)^i(S0-s)^j)z0)j)z0,其中s0为中心坐标)【moments_region_2nd】
Moments_m20 ‘线二阶矩
“moments_m02”列的二阶矩
Moments_ia ‘主惯性轴(H =(M20+M02)/2 ia = H+sqrt(H2-M20 x M02+M11 2))
力矩_ib ‘其他惯性轴(ib = h-sqrt (h 2-m20xm02+m11 2))
Moments_m11_invar ‘比例矩_惯性积(mij = 1/F2 * sum((z0-z)I(s0-s)j))【moments _ region _ 2nd _ invar】
Moments_m20_invar的二阶矩
Moments_m02_invar ‘二阶矩
Moments_phi1 ‘比例相对矩_二阶矩(mpq = sum z (xi,yi)(Xi-x)p(yi-y)q)【moments _ region _ 2nd _ rel _ invar】
Moments_phi2 ‘二阶矩
Moments_m21 ‘计算中心力矩_三阶力矩[moments_region_3rd]
Moments_m12 ‘三阶矩
Moments_m03 ‘三阶矩
Moments_m30 ‘三阶矩
Moments_m21_invar ‘计算比例不变矩_三阶矩[moments_region_central]
Moments_m12_invar ‘三阶矩
Moments_m03_invar ‘三阶矩
Moments_m30_invar ‘三阶矩
Moments_i1 ‘计算中心矩_二阶矩[moments_region_central]
Moments_i2 ‘二阶矩
Moments_i3 ‘二阶矩
Moments_i4 ‘三阶矩
Moments_psi1 ‘计算旋转线性运动的力矩_秒力矩[moments_region_central_invar]
Moments_psi2 ‘二阶矩
Moments_psi3 ‘二阶矩
Moments_psi4 ‘二阶矩
灰度_特征特征直方图
基本参数
“区域”灰度值区域
行重心线索引
列的重心列索引
Ra ‘灰度值区域的长轴[椭圆_轴_灰度]
Rb ‘灰度值区域的短轴
Phi ‘灰度值区域方向
“最小”最小灰度值[最小最大灰度]
“最大”最大灰度值
纹理
平均灰度值[强度]
“偏差”灰度值的偏差
“平面偏差”近似于图像平面的灰度值偏差[平面偏差]
各向异性’各向异性[熵_灰]
熵熵
模糊熵[模糊周长]
模糊周界
片刻
矩_行’混合矩(线) 【矩_灰_面】
矩_列’混合矩(列)
“α”近似平面参数
“β”近似平面参数
(注:moments_gray_plane计算灰度矩和近似平面。
mrow = sum((r-r’)*(image(r,c)-mean))/f^2
mcol = sum((c-c’)*(image(r,c)-mean))/f^2
阿尔法=(mrow*f*m02-m11*mcol*f)/(m20*m02-m11^2)
贝塔=(m20*mcol*f-mrow*f*m11)/(m20*m02-m11^2)
f是曲面,r’,c’是中心,M11,M20,M02是归一化矩阵。
Image'(r,c)= Alpha *(r-r ‘)+Beta *(c-c ‘)+Mean
Select_shape_xld特征直方图
基本参数
Area ‘轮廓区域[area_center_xld]
行重心线
柱形重心柱
“宽度”轮廓宽度
“高度”剖面高度
Row1′ rectangle1左上角的行坐标[all _ rectangle 1 _ xld]
矩形1左上角列坐标’ Column1 ‘
Row2′ rectangle1行坐标在右下角
矩形1“列2”右下角的列坐标
形状参数
圆度[circularity_xld]
“紧致性”紧致性[紧致性_xld]
Contlength ‘总轮廓长度[length_xld]
“凸性”凸曲面[convexity_xld]
Ra ‘等效椭圆的长轴【elliptic_axis_xld】
“rb”等效椭圆的短轴
等效椭圆的φ角
不对称的偏心率[偏心率_xld]
‘整体偏心度’
结构因子偏心率
‘外半径’外接圆半径[小圆_ XLD]
‘ Max_diameter ‘轮廓区域中点之间的最大距离[diameter_xld]
“方向”轮廓区域的方向[orientation_xld]
Rect2_phi’ rectangle2方向[all _ rectangle 2 _ xld]
矩形2长轴’ rect 2 _ len 1 ‘
矩形2短半轴’ rect2 _ len 2 ‘
点参数
Area_points ‘轮廓点面积[area_center_points_xld]
Row_points ‘轮廓点重心线
Column_points ‘轮廓点重心列
轮廓点的等效椭圆的Ra_points长轴[elliptic_axis_points_xld]
“rb_points”轮廓点等效椭圆的短轴
轮廓点等效椭圆的φ_点角度
“不对称点”轮廓点的等效椭圆的偏心率[偏心率_点_xld]
轮廓点区域的方向_点方向[方向_点_xld]
运动参数
Moments_m11 ‘几何矩_惯性积[moments_region_2nd]
Moments_m20 ‘线二阶矩
“moments_m02”列的二阶矩
moments _ m11 _ points ‘【moments _ points _ xld】
‘力矩_ m20 _点’
‘时刻_ m02 _点数’
免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。