Тексту ра зобра ження Image texture являє собою набір метрик розрахованих при обробці зображення призначених для кількіс

Тексту́ра зобра́ження (Image texture) являє собою набір метрик, розрахованих при обробці зображення, призначених для кількісного визначення текстури. Текстура зображення дає нам інформацію про просторове розташування кольору або інтенсивності в зображенні або вибраної області зображення.

Визначення текстури

Текстура є важливим елементом людського зору. Характеристики текстури використовуються для опису вмісту безлічі природних зображень, таких як, хмари, листи, тканини. І хоча людське око легко розпізнає текстуру, важко дати її формальне визначення. Тому пропонується розглядати текстуру як сукупність таких властивостей:

текстура використовується для опису змін яскравості деякого фрагмента зображення
текстура складається з безлічі структурних елементів — текстонів (текстурних примітивів), розмір яких незначний у порівнянні з розмірами фрагмента, текстурні ознаки якого аналізуються
у межах зображення фрагменти текстури (текстони) — однорідні одиниці, що мають приблизно однакову форму у всій текстурній області. Текстони мають деяку регулярність і випадковість.

Якісно текстуру можна описати розміром її фрагмента (зерна). Розмір зерна зв'язаний з періодом просторової повторюваності локальної структури. Великий розмір зерна відповідає великій текстурі, а малий — дрібної. Очевидно, що цей параметр недостатній для кількісного опису текстури, але його можна використовувати для оцінки напрямку, у якому повинні змінюватися текстурні ознаки, тобто малі чисельні значення ознак повинні відповідати відносно дрібній текстурі, а більші значення — більш великій.

Види текстури

Текстура зображення може бути створена штучно або знайдена у природі.

Штучні текстури

Штучні структури — це структури з графічних знаків, розташованих на нейтральному фоні. Такими знаками можуть бути відрізки лінії, літери і цифри.

Природні текстури

Природні текстури, згідно з їхньою назвою, це зображення природних сцен, що містять майже періодичні структури. Як природні текстури можуть виступати фотографії цегельних стін, пісок, трава.

Аналіз структурних характеристик зображень

Аналіз текстурних ознак прийнято проводити на рівні об'єктів однорідної текстури. Тобто вихідними даними для процедури розрахунку текстурних характеристик можуть бути як зображення окремих текстур, так і «неоднорідні» зображення, що містять об'єкти з різними текстурними характеристиками. У випадку роботи з другим типом зображень, необхідно проведення попередньої кластеризації зображень на окремі однорідні регіони (області).

Виходячи з вищенаведеного визначення, текстура характеризує яскраві зміни фрагментів зображення. Через це, перед виділенням текстурних ознак зображення, необхідно зробити конвертування набору його стандартних колірних характеристик (звичайно це характеристики колірного простору RGB) у набір характеристик яскравості. Треба підкреслити, що одні методи виділяють кількісні ознаки текстури, використовуючи тільки набір характеристик яскравості, інші ж методи поряд з цими складовими кольору використовують і хроматичні складові.

Отримана в результаті конвертування матриця характеристик яскравості обробляється методом текстурного аналізу, а знайдені в результаті обробки характеристики використовуються як параметри класифікації або сегментації текстур.

Достовірність класифікації текстур об'єктів відповідно до деяких текстурних параметрів і прийнято використовувати як основний критерій якості текстурних характеристик.

Методи опису структурних зображень

Текстура зображення є одним із способів, які можуть бути використані, щоб досягти сегментації або класифікації зображення на основі їх вмісту. Для аналізу текстури зображення в комп'ютерній графіці, є два підходи до цього питання: структурний і статистичний.

Структурний підхід

Структурний підхід представляє зображення текстури у вигляді набору примітивних текселів згідно з деяким зразком. Це добре працює при аналізі штучних текстур. Отримати структурний опис характеристики просторового співвідношення текселів, можна на основі Діаграма Вороного текселів.

Статистичний підхід

Статистичний підхід представляє зображення текстури як кількісної міри розташування інтенсивності кольору в обраній області. У загальному підході такий підхід легше обчислюється і більш широко використовується, тому що природні текстури зроблені з моделей нерегулярних піделементів.

Сегментація текстури

Використання текстури зображення може бути використано як опис для множини на сегменти. Є два основних типи сегментації які беруть за основу текстуру зображення: регіональні і граничні. Текстура зображення не є ідеальною мірою для сегментації, тому цей підхід використовується поряд з іншими, такими як колір, що допоможе виконати сегментацію в зображенні краще.

Регіональна сегментація

Спроба групувати або кластеризувати пікселі, на основі текстурних властивостей разом.

Гранична сегментація

Спроба групувати або кластеризувати пікселі, на основі ребер між пікселями, які визначаються різними властивостями текстури.

Примітки

Маепраа Т., The Local Binary Pattern Approach to Texture Analysis -Extensions and application, OULU, 2003, p. 78.
Chen C.H., Pau L.F., Wang P.S.P, The Handbook of Pattern Recognition and Computer Vision (2nd Edition), World Scientific Publishing Co., 1998, pp. 207248.
Прет У. Цифрова обробка зображень. — М: Світ, 1982. — Кн. 2 — 480 с.
Indexing Color-Texture Image Patterns, Imaging and Vision Laboratory, 2002
Pietikainen M., Маепраа Т., Viertola J., Color Texture Classification with Color Histograms and Local Binary Patterns, Proc. 2nd International Workshop on Texture Analysis and Synthesis, June 2002, Copenhagen, Denmark, pp.

[1] Маепраа Т., The Local Binary Pattern Approach to Texture Analysis -Extensions and application, OULU, 2003, p. 78.

[2] Chen C.H., Pau L.F., Wang P.S.P, The Handbook of Pattern Recognition and Computer Vision (2nd Edition), World Scientific Publishing Co., 1998, pp. 207248.

[3] Прет У. Цифрова обробка зображень. — М: Світ, 1982. — Кн. 2 — 480 с.

[4] Indexing Color-Texture Image Patterns, Imaging and Vision Laboratory, 2002

[5] Pietikainen M., Маепраа Т., Viertola J., Color Texture Classification with Color Histograms and Local Binary Patterns, Proc. 2nd International Workshop on Texture Analysis and Synthesis, June 2002, Copenhagen, Denmark, pp.