如何匹配图像中的纹理相似度？答案

【问题标题】：How to match texture similarity in images?如何匹配图像中的纹理相似度？
【发布时间】：2015-10-22 23:42:47
【问题描述】：

量化图像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，以衡量“它们的相似程度如何？”

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 没有提供关于实际实现任何纹理分析的详细信息。

【问题讨论】：

【解决方案1】：

您想在图像中找到两个看起来相同（相同纹理）的不同区域，还是将一张图像中的纹理与另一张图像匹配？第二个更难，因为辐射测量不同。

这里是如何测量区域相似度的基本方案。

您需要专注于第 2 步和第 4 步。

第 2 步：使用以下特征：亮度 std()、某种角检测器、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。

第 4 步。您可以使用余弦相似度、最小值-最大值或加权余弦。

在你实现了大约 4-6 个这样的特性和一个相似函数后，开始运行测试。查看结果并尝试了解它为什么或在哪里不起作用。然后添加一个特定的功能来涵盖该主题。例如，如果您看到带有大斑点的纹理被认为与带有小斑点的纹理相似，那么添加形态过滤器计算的对象密度 > 20sq 像素。

将识别问题设计特定特征的过程重复大约 5 次，您将开始获得非常好的结果。

【讨论】：

谢谢，这似乎比在 OpenCV 中实现所有 GLCM 纹理测量更轻量。您能否提供有关 FFT 直方图的更多信息，链接可能吗？其他都很棒。
什么是“FFT 直方图”？在傅里叶变换之上构建直方图是否有意义？可以简单地从 FT 中选择一些与纹理概念相关的频率范围，并将该范围用作纹理特征
FFT 直方图是指首先应用 FFT，然后使用一些信息作为特征。使用每个频率作为特征会产生太多不需要的信息。所以你可以选择以下特征：X方向的高频总和除以y方向的比，高频除以低频的比（原因：不要使用直流频率）等
附言。如果您使用库（如 openCV），您可以提取更高级的功能，如 surf、spark、sift、lbp 等。我举了一个您可以自己编写的简单功能的示例。

【解决方案2】：

我建议使用小波分析。小波在时间和频率上都进行了局部化，并且使用多分辨率分析可以比 FT 提供更好的信号表示。

paper 解释了用于纹理描述的小波方法。还有一种比较方法。

您可能需要稍微修改算法来处理任意形状的图像。

【讨论】：

在 Haar 小波部分中，“三个细节图像（LH、HL 和 HH）”是什么意思？小波级别没问题，我已经编码了，但是我不明白在 Haar 小波变换的上下文中 LH、HL 和 HH 图像是什么意思。如果你愿意请解释一下。
它们是特定级别L图像的水平、垂直和对角线特征。您可以在互联网上轻松找到解释。例如链接ceremade.dauphine.fr/~peyre/numerical-tour/tours/…

【解决方案3】：

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

将该方法视为从图片中获取特征的多种不同方法之一。对应 DanielHsH 方法的第 2 步。

【讨论】：