r.texturegrass - Online w chmurze

PROGRAM:

IMIĘ

r.tekstura - Generuj obrazy z cechami tekstury z mapy rastrowej.

SŁOWA KLUCZOWE

raster, algebra, statystyka, tekstura

STRESZCZENIE

r.tekstura
r.tekstura --help
r.tekstura [-sa] wkład=Nazwa wydajność=nazwa podstawowa [rozmiar=wartość] [dystans=wartość]
[metoda=ciąg[,ciąg,...]] [--przepisać] [--pomoc] [--gadatliwy] [--cichy] [--ui]

Flagi:
-s
Oddzielne wyjście dla każdego kąta (0, 45, 90, 135)

-a
Oblicz wszystkie pomiary tekstury

--przepisać
Zezwalaj plikom wyjściowym na zastępowanie istniejących plików

--help
Wydrukuj podsumowanie wykorzystania

--gadatliwy
Pełne wyjście modułu

--cichy
Cichy moduł wyjściowy

--UI
Wymuś uruchomienie okna GUI

Parametry:
wkład=Nazwa [wymagany]
Nazwa wejściowej mapy rastrowej

wydajność=nazwa podstawowa [wymagany]
Nazwa wyjściowej mapy rastrowej nazwy bazowej

rozmiar=wartość
Rozmiar ruchomego okna (nieparzysty i >= 3)
Zaniedbanie: 3

dystans=wartość
Odległość między dwiema próbkami (>= 1)
Zaniedbanie: 1

metoda=ciąg[,ciąg,...]
Metoda pomiaru tekstury
Opcje: jako M, kontrast, cor, jest, idm, wiesz, se, sv, wejście, dv, de, moc1, moc2

OPIS

r.tekstura tworzy mapy rastrowe z elementami teksturowymi na podstawie mapy rastrowej określonej przez użytkownika
warstwa. Moduł oblicza cechy teksturalne w oparciu o macierze zależności przestrzennych w punkcie 0,
45, 90 i 135 stopni dla a dystans (domyślnie = 1).

r.tekstura przyjmuje jako dane wejściowe poziomy szarości w zakresie od 0 do 255. Wejście odbywa się automatycznie
przeskalowany do 0 do 255, jeśli zakres mapy wejściowej jest poza tym zakresem.

Ogólnie rzecz biorąc, na teksturę składa się kilka zmiennych: różnice w wartościach poziomu szarości,
szorstkość jako skala różnic poziomu szarości, obecność lub brak kierunkowości i
regularne wzory. Teksturę można scharakteryzować za pomocą odcienia (właściwości dotyczące intensywności poziomu szarości)
i struktura (relacje przestrzenne). Ponieważ tekstury w dużym stopniu zależą od skali,
mogą wystąpić tekstury hierarchiczne.

r.tekstura odczytuje mapę rastrową GRASS jako dane wejściowe i na ich podstawie oblicza cechy teksturalne
przestrzenne macierze zależności dla północ-południe, wschód-zachód, północny zachód i południowy zachód
wskazówki przy użyciu sąsiedztwa obok siebie (tj. odległości 1) i zapisuje według
domyślna średnia ze wszystkich kątów dla każdego pomiaru. Opcjonalnie za pomocą flagi -s Wyjście
składa się z czterech obrazów dla każdej cechy tekstury, po jednym dla każdego kierunku (0, 45, 90,
135).

Użytkownik musi dokładnie ustawić rozdzielczość (używając g. region) przed uruchomieniem tego programu,
lub w komputerze może zabraknąć pamięci.

Powszechnie stosowany model tekstury opiera się na tzw. macierzy współwystępowania poziomów szarości.
Ta macierz jest dwuwymiarowym histogramem poziomów szarości dla pary pikseli, które są
oddzielone stałą relacją przestrzenną. Macierz przybliża łączne prawdopodobieństwo
rozkład pary pikseli. Kilka miar tekstury jest obliczanych bezpośrednio z pliku
macierz współwystępowania poziomu szarości.

Następna część zawiera krótkie objaśnienia miar tekstury (wg Jensena 1996).

Pierwsze zamówienie statystyka in dotychczasowy przestrzenny domena
· Suma średnia (SA)

· Entropia (ENT): Miara ta analizuje losowość. Jest wysoka, gdy wartości
ruchome okno mają podobne wartości. Jest niski, gdy wartości są bliskie
albo 0, albo 1 (tzn. gdy piksele w oknie lokalnym są jednolite).

· Entropia różnicowa (DE)

· Suma entropii (SE)

· Wariancja (VAR): Miara odchylenia odcieni szarości w ruchomym oknie
(moment drugiego rzędu dotyczący średniej)

· Wariancja różnicy (DV)

· Suma wariancji (SV)
Należy zauważyć, że miary „średnia”, „kurtoza”, „zakres”, „skośność” i „odchylenie standardowe” są
dostępne w r.sąsiedzi.

Drugie zamówienie statystyka in dotychczasowy przestrzenny domena
Model tekstur statystyki drugiego rzędu opiera się na tzw. poziomie szarości
macierze współwystępowania (GLCM; za Haralick 1979).

· Drugi moment kątowy (ASM, zwany także jednolitością): Jest to miara lokalna
jednorodność i przeciwieństwo Entropii. Wysokie wartości ASM występują, gdy piksele
w ruchomym oknie są bardzo podobne.
Uwaga: pierwiastek kwadratowy z ASM jest czasami używany jako miara tekstury i rzeczywiście tak jest
zwaną Energią.

· Odwrotny moment różnicowy (IDM, zwany także jednorodnością): Ta miara dotyczy
odwrotnie do miary kontrastu. Jest to bezpośrednia miara lokalnej jednorodności
obrazu cyfrowego. Niskie wartości są powiązane z niską jednorodnością i odwrotnie.

· Kontrast (CON): Ta miara analizuje kontrast obrazu (lokalnie poziom szarości
różnice) jako liniową zależność poziomów szarości sąsiednich pikseli
(podobieństwo). Zwykle wysoka, gdy skala lokalnej tekstury jest większa niż
dystans.

· Korelacja (COR): Miara ta analizuje liniową zależność poziomów szarości
sąsiadujące piksele. Zwykle wysoka, gdy skala lokalnej tekstury jest większa niż
dotychczasowy dystans.

· Informacyjne miary korelacji (MOC)

· Maksymalny współczynnik korelacji (MCC)

UWAGI

Co ważne, wejściowa mapa rastrowa nie może mieć więcej niż 255 kategorii.

PRZYKŁAD

Obliczanie drugiego momentu kątowego ortofotomapy czarno-białej (zestaw danych z Karoliny Północnej):
g.region raster=ortho_2001_t792_1m -str
# ustaw tabelę kolorów poziomu szarości 0% czarny 100% biały
r.colors orto_2001_t792_1m kolor=szary
# wyodrębnij poziomy szarości
r.mapcalc "ortho_2001_t792_1m.greylevel = ortho_2001_t792_1m"
# analiza tekstury
r.texture ortho_2001_t792_1m.greylevel przedrostek=ortho_texture metoda=asm -s
# wyświetlacz
g.obszar n=221461 s=221094 w=638279 e=638694
d.shade kolor=ortho_texture_ASM_0 odcień=ortho_2001_t792_1m
To oblicza cztery mapy (żądana tekstura w czterech orientacjach): orto_texture_ASM_0,
orto_texture_ASM_45, orto_texture_ASM_90, orto_texture_ASM_135.

ZNANE ZAGADNIENIA

Program może działać niezwykle wolno w przypadku dużych map rastrowych.

LITERATURA

Algorytm został zaimplementowany za Haralickem i in., 1973 i 1979.

Kod został pobrany za zgodą użytkownika pgmtekstura, część PBMPLUS (Copyright 1991, Jef
Poskanser i Texas Agricultural Experiment Station, pracodawca zatrudniający Jamesa Darrella
McCauleya). Strona podręcznika pgmtexture.

· Haralick, RM, K. Shanmugam i I. Dinstein (1973). Cechy teksturalne obrazu
Klasyfikacja. IEEE Transakcje on Systemy, Człowiek, i Cybernetyka,
SMC-3(6): 610-621.

· Bouman, Kalifornia, Shapiro, M. (1994). Wieloskalowy model pola losowego dla metody Bayesa
Segmentacja obrazu, IEEE Trans. o przetwarzaniu obrazu, tom. 3, nie. 2.

· Jensen, JR (1996). Wstępne cyfrowe przetwarzanie obrazu. Sala Prentice’a. ISBN
0-13-205840-5

· Haralick, R. (maj 1979). Statystyczny i strukturalny awanse do tekstura,
Proceedings of the IEEE, tom. 67, nr 5, s. 786-804

· Hall-Beyer, M. (2007). Strona główna samouczka GLCM (współwystępowanie na poziomie szarości
Pomiary tekstury matrycy). Uniwersytet w Calgary, Kanada

Użyj r.texturegrass online, korzystając z usług onworks.net