r.texturegrass - Интернет в облаке

ПРОГРАММА:

ИМЯ

р.текстура - Создавайте изображения с текстурными элементами из растровой карты.

КЛЮЧЕВЫЕ СЛОВА

растр, алгебра, статистика, текстура

СИНТАКСИС

р.текстура
р.текстура --Помогите
р.текстура [-sa] вход=имя выходной=базовое имя [размер=ценностное ] [расстояние=ценностное ]
[метод=string[,string, ...]] [-затирать] [-помощь] [-подробный] [-тихий] [-ui]

Флаги:
-s
Отдельный вывод для каждого угла (0, 45, 90, 135)

-a
Рассчитать все текстурные измерения

- перезаписать
Разрешить выходным файлам перезаписывать существующие файлы

--Помогите
Распечатать сводку использования

--подробный
Подробный вывод модуля

--тихий
Тихий выход модуля

--уи
Принудительный запуск диалогового окна GUI

Параметры:
вход=имя [требуется]
Имя входной растровой карты

выходной=базовое имя [требуется]
Имя для выходной растровой карты (ов) с базовым именем

размер=ценностное
Размер движущегося окна (нечетное и> = 3)
По умолчанию: 3

расстояние=ценностное
Расстояние между двумя образцами (> = 1)
По умолчанию: 1

метод=строка [, строка, ...]
Текстурный метод измерения
Опции: как м, контраст, корр вар, идм, ты знаешь, SE, св, вход, дв, де, мок1, мок2

ОПИСАНИЕ

р.текстура создает растровые карты с текстурными элементами из заданной пользователем растровой карты
слой. Модуль рассчитывает текстурные признаки на основе матриц пространственной зависимости при 0,
45, 90 и 135 градусов для расстояние (по умолчанию = 1).

р.текстура принимает уровни серого в диапазоне от 0 до 255 в качестве входных данных. Ввод автоматически
масштабируется от 0 до 255, если диапазон входной карты выходит за пределы этого диапазона.

Как правило, текстуру составляют несколько переменных: различия в значениях уровня серого,
грубость как шкала разницы уровней серого, наличие или отсутствие направленности и
регулярные выкройки. Текстуру можно охарактеризовать тоном (свойства интенсивности уровня серого)
и структура (пространственные отношения). Поскольку текстуры сильно зависят от масштаба,
могут возникать иерархические текстуры.

р.текстура считывает растровую карту GRASS в качестве входных данных и вычисляет текстурные особенности на основе
матрицы пространственной зависимости для севера-юга, востока-запада, северо-запада и юго-запада
направления, используя соседство бок о бок (т. е. расстояние 1), и записывает
по умолчанию используется среднее значение по всем углам для каждой меры. Необязательно, используя флаг -s выход
состоит из четырех изображений для каждого элемента текстуры, по одному для каждого направления (0, 45, 90,
135).

Пользователь должен тщательно установить разрешение (используя г. регион) перед запуском этой программы,
или компьютеру может не хватить памяти.

Обычно используемая модель текстуры основана на так называемой матрице совместной встречаемости уровней серого.
Эта матрица представляет собой двумерную гистограмму уровней серого для пары пикселей, которые
разделены фиксированными пространственными отношениями. Матрица аппроксимирует совместную вероятность
распределение пары пикселей. Несколько показателей текстуры вычисляются непосредственно из
матрица совместной встречаемости на уровне серого.

Следующая часть предлагает краткие объяснения измерений текстуры (после Jensen 1996).

Первый заказ статистика in пространственный домен
· Средняя сумма (SA)

· Энтропия (ENT): этот показатель анализирует случайность. Это высокий показатель, когда значения
подвижное окно имеет аналогичные значения. Это низкий, когда значения близки к
либо 0, либо 1 (т.е. когда пиксели в локальном окне однородны).

· Разностная энтропия (DE)

· Суммарная энтропия (SE)

· Дисперсия (VAR): мера дисперсии серого тона в движущемся окне.
(момент второго порядка о среднем)

· Разница дисперсии (DV)

· Сумма дисперсии (SV)
Обратите внимание, что меры «среднее», «эксцесс», «диапазон», «асимметрия» и «стандартное отклонение» являются
доступна в р. соседи.

Второго порядка статистика in пространственный домен
Модель текстуры статистики второго порядка основана на так называемом уровне серого.
матрицы совместной встречаемости (GLCM; по Haralick, 1979).

· Угловой второй момент (ASM, также называемый однородностью): это мера локального
однородность и противоположность энтропии. Высокие значения ASM возникают, когда пиксели
в движущемся окне очень похожи.
Примечание. Квадратный корень из ASM иногда используется в качестве меры текстуры и является
называется Энергия.

· Момент обратной разности (IDM, также называемый однородностью): эта мера связывает
обратно пропорционально измерению контраста. Это прямая мера локальной однородности
цифрового изображения. Низкие значения связаны с низкой однородностью и наоборот.

· Контрастность (CON): этот показатель анализирует контраст изображения (локально уровень серого
вариации) как линейная зависимость уровней серого соседних пикселей
(сходство). Обычно высокий, когда масштаб локальной текстуры больше, чем
расстояние.

· Корреляция (COR): этот показатель анализирует линейную зависимость уровней серого
соседние пиксели. Обычно высокий, когда масштаб локальной текстуры больше, чем
расстояние.

· Информационные меры корреляции (MOC)

· Максимальный коэффициент корреляции (MCC)

ПРИМЕЧАНИЯ

Важно отметить, что входная растровая карта не может иметь более 255 категорий.

ПРИМЕР

Расчет второго углового момента ч / б ортофото (набор данных Северная Каролина):
g.region raster = ortho_2001_t792_1m -p
# установить таблицу цветов уровня серого 0% черный 100% белый
r.colors ortho_2001_t792_1m color = серый
# извлечь уровни серого
r.mapcalc "ortho_2001_t792_1m.greylevel = ortho_2001_t792_1m"
# анализ текстуры
r.texture ortho_2001_t792_1m.greylevel prefix = ortho_texture method = asm -s
# отображать
g. область n = 221461 s = 221094 w = 638279 e = 638694
d.shade color = ortho_texture_ASM_0 shade = ortho_2001_t792_1m
Это вычисляет четыре карты (запрошенная текстура в четырех ориентациях): ortho_texture_ASM_0,
орто_текстура_ASM_45, орто_текстура_ASM_90, орто_текстура_ASM_135.

KNOWN ВОПРОСЫ

Программа может работать очень медленно для больших растровых карт.

Ссылки

Алгоритм был реализован после Haralick et al., 1973 и 1979.

Код был взят с разрешения от пгмтекстура, часть PBMPLUS (Copyright 1991, Jef
Поскансер и Техасская сельскохозяйственная экспериментальная станция, работодатель по найму Джеймса Даррелла
Макколи). Страница руководства pgmtexture.

· Харалик, Р.М., К. Шанмугам и И. Динштейн (1973). Текстурные особенности изображения
классификация. IEEE Сделки on системы, Мужчина, и Кибернетика,
СМК-3(6): 610-621.

· Боуман, Калифорния, Шапиро, М. (1994). Многомасштабная модель случайного поля для байесовской модели
Сегментация изображений, IEEE Trans. по обработке изображений, т. 3, вып. 2.

· Дженсен-младший (1996). Вводная цифровая обработка изображений. Прентис Холл. ISBN
0-13-205840-5

· Харалик Р. (май 1979 г.). Статистический и структурный подходы в текстура,
Труды IEEE, т. 67, №5, с. 786-804

· Холл-Бейер, М. (2007). Домашняя страница учебного пособия GLCM (Совместное появление на уровне серого
Матричные измерения текстуры). Университет Калгари, Канада

Используйте r.texturegrass онлайн с помощью сервисов onworks.net