图像处理中的结构张量(structure tensor)

结构张量(structure tensor) 主要用于区分图像的平坦区域、边缘区域与角点区域。

此处的张量就是一个关于图像的结构矩阵，矩阵结构构成如下：

Rx,Ry分别为图像的水平与垂直梯度，而后进行求矩阵T的行列式K与迹(trace)H。

根据K与H的关系来求得区分图像的平坦、边缘与角点区域：

平坦区域：H=0;

边缘区域：H>0 && K=0;

角点区域：H>0 && K>0;

该方法实际应用实例如下：

原图：

边缘区域：

边缘区域中 行列式与迹的关系图：

matlab实现代码如下：

clc;
clear;
img=double(imread('F:\Users\Revere\Pictures\CameraRoll\imgwork\smile.png'));
[m n]=size(img);
imshow(img,[]);
 
[Ix Iy]=gradient(img);
Ix2=Ix.^2;
Iy2=Iy.^2;
Ixy=Ix.*Iy;
 
k=1;
lambda=zeros(m*n,2);
for i=1:m   
    for j=1:n      
       st=[Ix2(i,j) Ixy(i,j);Ixy(i,j) Iy2(i,j)]; %结构张量       
       K=det(st);       
       H=trace(st); %求迹               
       %所有判断都是近似的       
       % if H<50                        %认为是平坦区域        
       if H >50 && abs(K)<0.01*10^(-9)  %认为是边缘区域     
       % if H >50 && abs(K) >0.01*10^(-9) %认为是角点区域      
       img(i,j)=255;        
   end                
  lambda(k,:)=[K,H];      
  k=k+1;
   end
end
 
figure;
plot(lambda(:,1),lambda(:,2),'.');
ylabel('trace');
xlabel('det');
figure;
imshow(img,[]);

本文转自：博客园 - revere ，转载此文目的在于传递更多信息，版权归原作者所有。