第3章 图像特征

本书的第3章～第8章介绍了基本的数字图像预处理方法。从模式识别的技术角度来讲，这些图像预处理方法可以增强数字图像中的有用信息，有利于提高对图像所属模式进行识别的准确率。但数字图像中得到增强的有用信息往往不能直接应用，还需对这些信息进行选择或提炼，得到具体的图像特征并最终用于对该图像的模式进行识别。

本章将介绍图像的统计特征、幅值特征、几何特征、形状特征和纹理特征等基本图像特征及其提取方法。

3.1 统计特征

图像的统计特征只针对灰度图像，可以直观地描述图像中像素的灰度值分布情况。

图像灰度的一阶概率分布定义为

p(b)=n(b)/n （3-1）

其中，b是像素的灰度值，为0～255的整数值；n为数字图像中的总像素数；n(b)是该窗口内灰度值为b的像素数。则图像的统计特征包括如下特征。

1）均值

2）方差

3）能量

4）熵

如图3-1所示，图像的统计特征具有明确的物理含义。高均值灰度图像对应其亮度也应该高。高方差灰度图像则对应高图像对比度。图像能量和熵则反映了图像中各种灰度分布的不均匀性，分布越不均匀，图像能量越大，熵越低。

图3-1 图像的统计特征