数字图像处理作业

底层特征：

1.边缘直方图。

使用边缘模板对图像进行滤波，得到某方向的边缘图像；

统计该边缘图像中像素值大于一定阈值的边缘个数作为该方向边缘的特征值；

对下一个方向边缘的模板进行同样的操作，直至处理完全部方向。

模板按照[1-2]的设置共有5种，如下：

分别为：垂直边缘、水平边缘、45度对角方向边缘、135度对角方向边缘和没有方向的边缘。阈值是边缘图像所有像素值的平均值。

2.灰度共生矩阵。

用两个位置的像素的联合概率密度反应亮度的分布特性。灰度共生矩阵的大小为lxl（l 为灰度级），位置(i, j)上的值是图像中灰度级为(i, j)的像素点对的个数。根据点对距离、方向的不同，可以得到各种灰度共生矩阵。

目前，本算法实现的是水平相邻点对的灰度共生矩阵。

实现细节：依照如下方式得到两组灰度级坐标：

左侧为去除图像最右侧一列后，进行光栅扫描得到的像素灰度级；右侧为去除图像最左侧一列后，进行光栅扫描得到的像素灰度级。右侧相当于左侧像素点的对应水平相邻点。使用这两组灰度级，在每一对灰度级坐标上进行累加，即可得到灰度共生矩阵。

得到灰度共生矩阵之后，如[3]中介绍，计算了5种特征值：

不变矩。实现细节：对于离散的数字图像，(p+q)阶不变矩定义：

其中重心定义为：

使用归一化中心矩使特征具有平移、比例不变性：

hu不变矩[4]利用二阶和三阶中心矩构造了7个不变矩（下面的μpq即为上式的中心矩y pq）：

颜色特征。实现细节：首先按下列公式将rgb图像转化为hsv图像：

然后分别计算h,s,v三个通道的一阶矩（均值）、二阶矩（方差）和三阶矩（斜度）[5]：

每个通道有3个特征，共有9个特征。

5.小波变换。

将rgb图像按下面公式转化为灰度图像：

gray = 0.299*r+0.587*g+0.114*b

对灰度图像进行3层小波变换之后，得到下面的图像：

然后计算ll低频子带所有像素点的感兴趣值[6]：

某一像素点的感兴趣值为其空间方向树上所有点的像素值组成的向量的模。空间方向树定义如下（以ll右下角的像素点为例）：

空间方向树的父亲节点为ll内某像素点，其在对应hl和lh层中的相同位置的像素点为其两个子节点。每个子节点在对应的更高频子带上有4个子节点。直至小波分解的第一层。

计算感兴趣值的均值mean和标准差sd，设定阈值t=mean+sd。

对感兴趣值进行排序，选取大于阈值t的点为感兴趣点。分别在感兴趣点的8个位平面进行求和，得到每层位平面的“面积”。归一化后即得到8个特征值。

另外，对于初始的灰度图较高的的4层位平面，分别求“面积”，形成4个整体特征值。