纹理研究的概念和内容

（一）纹理的定义

由于图像纹理形式上的广泛性和多样性，目前还不存在众人公认的纹理定义。研究者针对不同的应用提出了不同的纹理定义，下面列出几种代表性的定义。

定义1：纹理是一种反映图像中同质现象的视觉特征，体现了物体表面共有的内在属性，包含了物体表面结构组织排列的重要信息以及它们与周围环境的联系。

定义2：如果图像内区域的局域统计特征或其他一些图像的局域属性变化缓慢或呈近似周期性变化，则可称其为纹理。

定义3：纹理是指在图像中反复出现的局部模式和它们的排列规则。

定义4：纹理被定义为一个区域属性，区域内的成分不能进行枚举，且成分之间的相互关系不十分明确。

定义5：纹理是一种反映像素的空间分布属性的图像特征，通常表现为局部不规则而宏观有规律的特性。

定义6：纹理具有三大标志：某种局部序列性不断重复、非随机排列和纹理区域内大致均匀的统一体。

总之，上述诸定义都是基于特定应用背景的，其中的共识是：纹理不同于灰度和颜色等图像特征，它通过像素及其周围空间邻域的灰度分布来表现，即局部纹理信息；局部纹理信息不同程度的重复性，即全局纹理信息。一般来说，可以认为纹理由许多相互接近、相互编织的元素构成，并常具有周期性，如人体肌肤的纹理、毛发、天空、水、织物、树木的纹理等，如图4-3～图4-5所示。

对纹理的认识或定义决定了提取纹理特征采用的方法，由于难以对纹理给出一个精确和统一的定义，使纹理分析更为错综复杂。这里，我们关注的是一幅图像中物体的纹理度量。如果物体内部各处的灰度级是一个常数，或者接近常数，就说明物体没有纹理。如果物体内部的灰度级变化明显但又不是简单的影调变化，那么该物体就有纹理。为了度量纹理，我们将设法对物体内部灰度级变化的性质进行度量。

图4-3　几种纹理图像

a）人工纹理　b）自然纹理

图4-4　包含多个纹理区域的图像

图4-5　一些典型的自然纹理图像

（二）纹理研究的领域

纹理研究的领域大致可分成以下三种类型。

（1）纹理的描述和分类

这类问题在图像识别中有重要应用，因此已经引起了广泛的重视。例如在医学图像处理中利用纹理特性来区别正常细胞和癌细胞，这时就要先抽取这两种细胞图像的纹理特性，然后进行分类识别。

（2）以纹理为特征的图像分割

（3）利用纹理信息推断物体的深度信息或表面方向(www.xing528.com)

纹理可提供关于可见表面几何结构的重要信息，因为图像本身不能提供求解所需的足够信息，为此要对纹理的几何特性做出假设。例如，Gibson假设纹理基元在物体平面上的分布密度是均匀的，这时根据图像中纹理基元密度的梯度可以确定表面的方向，在纹理基元分布均匀的条件下，表面倾斜方向在图像中的投影就是局部纹理密度变化量大的方向，或者说是垂直于纹理基元分布最均匀的那个方向。但是Stevens的研究发现在透视投影的条件下纹理密度梯度既取决于表面方向又取决于物体的距离和位置。因此纹理基元密度并不是表面方向的最优测量方法。

（三）纹理特征

纹理特征是从图像中计算出来的一个值，它对区域内部灰度级变化的特征进行量化。它具有如下特点：

1）纹理特征是一种全局特征，它描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅利用纹理特征无法获得高层次的图像内容。

2）纹理特征不是基于像素的特征，它需要在包含多个像素的区域中进行统计计算。在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局部的偏差而无法匹配成功。

3）纹理特征常具有旋转不变性，并且对于噪声有较强的抵抗能力。

4）纹理特征与物体的位置、走向、尺寸和形状有关，但与平均灰度（亮度）无关，是一种不依赖于颜色或亮度的反映图像中同质现象的视觉特征。

5）纹理特征是所有物体表面共有的内在特性，例如云彩、树木、砖、织物等都有各自的纹理特征。纹理特征包含了物体表面结构组织排列的重要信息以及它们与周围环境的联系。

6）当图像的分辨率变化的时候，计算出来的纹理可能会有较大偏差。另外，由于有可能受到光照、反射情况的影响，从二维图像中反映出来的纹理不一定是三维物体表面真实的纹理。例如，水中的倒影、光滑的金属面互相反射造成的影响等都会导致纹理的变化。

7）在识别和区分具有粗细、疏密等方面较大差别的纹理图像时，利用纹理特征是一种有效的方法。但当纹理之间的粗细、疏密等易于分辨的信息之间相差不大的时候，通常的纹理特征很难准确地反映出人对不同纹理的视觉差别。

（四）纹理特征描述方法分类

按照纹理特征提取方法所基于的基础理论和研究思路的不同，并借鉴非常流行的Tuceryan和Jain的分类方法，将纹理特征提取方法分为四大类：统计法、结构法、模型法和信号处理法，如图4-6所示。

1）统计法：是基于像元及其邻域的灰度属性研究纹理区域中的统计特性，或像元及其邻域内的灰度的一阶、二阶或高阶统计特性。典型代表是灰度共生矩阵。另一种典型方法是通过对图像的自相关函数（即能量谱函数）的计算，提取纹理的粗细度及方向性等特征参数。

2）结构法：是建立在“纹理基元（基本的纹理元素）”理论基础上的一种纹理特征分析方法。纹理基元理论认为，复杂的纹理可以由若干简单的纹理基元以一定规律的形式重复排列构成。此类方法着力找出纹理基元，不同类型、不同方向纹理基元及数目等决定了纹理的表现形式。

3）模型法：以图像的构造模型为基础，假设纹理是以某种参数控制的分布模型方式形成的，从纹理图像的实现来估计模型参数，以参数为特征或采用某种分类策略进行图像分割，因此模型参数的估计是此类方法的核心问题。典型的方法是随机场模型法，如马尔可夫随机场（Markov Random Field，MRF）模型法和吉布斯（Gibbs）随机场模型法。自回归纹理模型（SAR）是MRF模型的一种应用实例。

图4-6　纹理特征提取方法分类

4）信号处理法：是建立在时、频分析与多尺度分析的基础上，对纹理图像中的某个区域进行某种变换后，再提取保持相对平稳的特征值，以此特征值表示区域内的一致性以及区域之间的相异性，如Gabor滤波、小波变换等。

信号处理法是从变换域中提取纹理特征，其他三类方法都是直接从图像域提取纹理特征。各类方法既有区别，又有联系。下面对各类方法中的典型代表进行介绍。