「java图片纹理」纹理平面构成图片

本篇文章给大家谈谈java图片纹理，以及纹理平面构成图片对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、谁有Java提取图片特征的算法？有的能给发一个么？不胜感激
• 2、用java实现基于纹理的图像检索（灰度共生矩阵）
• 3、java读取图片到byteBuffer中

谁有Java提取图片特征的算法？有的能给发一个么？不胜感激

图像的特征可分为两个层次，包括低层视觉特征，和高级语义特征。

低层视觉特征包括纹理、颜色、形状三方面。语义特征是事物与事物之间的关系。

纹理特征提取算法有：灰度共生矩阵法，傅里叶功率谱法

颜色特征提取算法有：直方图法，累计直方图法，颜色聚类法等等。

形状特征提取算法有：空间矩特征等等

高级语义提取：语义网络、数理逻辑、框架等方法

用java实现基于纹理的图像检索（灰度共生矩阵）

%**************************************************************************

% 图像检索——纹理特征

%基于共生矩阵纹理特征提取，d=1,θ=0°,45°,90°,135°共四个矩阵

%所用图像灰度级均为256

%参考《基于颜色空间和纹理特征的图像检索》

%function : T=Texture(Image)

%Image : 输入图像数据

%T : 返回八维纹理特征行向量

%**************************************************************************

% function T = Texture(Image)

Gray = imread('d:\result5.bmp');

[M,N,O] = size(Gray);

M = 128;

N = 128;

%--------------------------------------------------------------------------

%1.将各颜色分量转化为灰度

%--------------------------------------------------------------------------

% Gray = double(0.3*Image(:,:,1)+0.59*Image(:,:,2)+0.11*Image(:,:,3));

%--------------------------------------------------------------------------

%2.为了减少计算量，对原始图像灰度级压缩，将Gray量化成16级

%--------------------------------------------------------------------------

for i = 1:M

for j = 1:N

for n = 1:256/16

if (n-1)*16=Gray(i,j)Gray(i,j)=(n-1)*16+15

Gray(i,j) = n-1;

end

end

end

end

%--------------------------------------------------------------------------

%3.计算四个共生矩阵P,取距离为1，角度分别为0,45,90,135

%--------------------------------------------------------------------------

P = zeros(16,16,4);

for m = 1:16

for n = 1:16

for i = 1:M

for j = 1:N

if jNGray(i,j)==m-1Gray(i,j+1)==n-1

P(m,n,1) = P(m,n,1)+1;

P(n,m,1) = P(m,n,1);

end

if i1jNGray(i,j)==m-1Gray(i-1,j+1)==n-1

P(m,n,2) = P(m,n,2)+1;

P(n,m,2) = P(m,n,2);

end

if iMGray(i,j)==m-1Gray(i+1,j)==n-1

P(m,n,3) = P(m,n,3)+1;

P(n,m,3) = P(m,n,3);

end

if iMjNGray(i,j)==m-1Gray(i+1,j+1)==n-1

P(m,n,4) = P(m,n,4)+1;

P(n,m,4) = P(m,n,4);

end

end

end

if m==n

P(m,n,:) = P(m,n,:)*2;

end

end

end

%%---------------------------------------------------------

% 对共生矩阵归一化

%%---------------------------------------------------------

for n = 1:4

P(:,:,n) = P(:,:,n)/sum(sum(P(:,:,n)));

end

%--------------------------------------------------------------------------

%4.对共生矩阵计算能量、熵、惯性矩、相关4个纹理参数

%--------------------------------------------------------------------------

H = zeros(1,4);

I = H;

Ux = H; Uy = H;

deltaX= H; deltaY = H;

C =H;

for n = 1:4

E(n) = sum(sum(P(:,:,n).^2)); %%能量

for i = 1:16

for j = 1:16

if P(i,j,n)~=0

H(n) = -P(i,j,n)*log(P(i,j,n))+H(n); %%熵

end

I(n) = (i-j)^2*P(i,j,n)+I(n); %%惯性矩

Ux(n) = i*P(i,j,n)+Ux(n); %相关性中μx

Uy(n) = j*P(i,j,n)+Uy(n); %相关性中μy

end

end

end

for n = 1:4

for i = 1:16

for j = 1:16

deltaX(n) = (i-Ux(n))^2*P(i,j,n)+deltaX(n); %相关性中σx

deltaY(n) = (j-Uy(n))^2*P(i,j,n)+deltaY(n); %相关性中σy

C(n) = i*j*P(i,j,n)+C(n);

end

end

C(n) = (C(n)-Ux(n)*Uy(n))/deltaX(n)/deltaY(n); %相关性

end

%--------------------------------------------------------------------------

%求能量、熵、惯性矩、相关的均值和标准差作为最终8维纹理特征

%--------------------------------------------------------------------------

a1 = mean(E)

b1 = sqrt(cov(E))

a2 = mean(H)

b2 = sqrt(cov(H))

a3 = mean(I)

b3 = sqrt(cov(I))

a4 = mean(C)

b4 = sqrt(cov(C))

sprintf('0,45,90,135方向上的能量依次为： %f, %f, %f, %f',E(1),E(2),E(3),E(4)) % 输出数据;

sprintf('0,45,90,135方向上的熵依次为： %f, %f, %f, %f',H(1),H(2),H(3),H(4)) % 输出数据;

sprintf('0,45,90,135方向上的惯性矩依次为： %f, %f, %f, %f',I(1),I(2),I(3),I(4)) % 输出数据;

sprintf('0,45,90,135方向上的相关性依次为： %f, %f, %f, %f',C(1),C(2),C(3),C(4)) % 输出数据;

这是我最近用过的求灰度共生矩阵及其四个参数的程序，你可以参考一下。

java读取图片到byteBuffer中

FileInputStream in = new FileInputStream("图片位置");

FileChannel channel = in.getChannel();

MappedByteBuffer map = channel.map(MapMode.READ_ONLY, 0, channel.size());

这不就成了byteBuffer了，其中mappedByteBuffer是ByteBuffer的子类，得到后按照你要的操作就行了。

java图片纹理的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于纹理平面构成图片、java图片纹理的信息别忘了在本站进行查找喔。