Tamura纹理特征是一种经典的图像纹理分析方法，它通过计算图像的六个纹理属性（粗糙度、对比度、方向性、线性、规则性和自然性）来描述图像的纹理特性。以下是使用 Python 实现实时 Tamura 纹理特征提取的代码示例。 ### 代码实现 ```python import cv2 import numpy as np from scipy.ndimage import uniform_filter def calculate_roughness(gray): """ 计算粗糙度 (Roughness) :param gray: 灰度图像 :return: 粗糙度值 """ mean_img = uniform_filter(gray, size=3) std_img = np.sqrt(uniform_filter(gray**2, size=3) - mean_img**2) roughness = std_img / mean_img return roughness def calculate_contrast(gray): """ 计算对比度 (Contrast) :param gray: 灰度图像 :return: 对比度值 """ grad_x = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3) grad_y = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3) contrast = np.sqrt(grad_x**2 + grad_y**2) return contrast def calculate_directionality(gray): """ 计算方向性 (Directionality) :param gray: 灰度图像 :return: 方向性值 """ grad_x = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3) grad_y = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3) direction = np.arctan2(grad_y, grad_x) direction_histogram = np.histogram(direction, bins=18, range=(-np.pi, np.pi))[0] directionality = np.max(direction_histogram) / np.sum(direction_histogram) return directionality def calculate_tamura_features(image): """ 计算 Tamura 纹理特征 :param image: 输入图像 :return: 粗糙度、对比度、方向性 """ # 转换为灰度图像 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 计算粗糙度 roughness = calculate_roughness(gray) # 计算对比度 contrast = calculate_contrast(gray) # 计算方向性 directionality = calculate_directionality(gray) return roughness, contrast, directionality # 实时处理视频帧 def process_video(): cap = cv2.VideoCapture(0) # 打开摄像头 while True: ret, frame = cap.read() if not ret: break # 计算 Tamura 纹理特征 roughness, contrast, directionality = calculate_tamura_features(frame) # 显示结果 cv2.imshow('Frame', frame) print("Roughness:", np.mean(roughness)) print("Contrast:", np.mean(contrast)) print("Directionality:", directionality) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows() if __name__ == "__main__": process_video() ``` --- ### 解释 1. **导入库** - 使用 `cv2`（OpenCV）进行图像处理。 - 使用 `numpy` 进行数值计算。 - 使用 `scipy.ndimage.uniform_filter` 进行局部均值和方差计算。 2. **粗糙度计算** - 粗糙度是标准差与均值的比值，反映了图像中像素值的变化程度。 - 使用 `uniform_filter` 计算局部均值和标准差。 3. **对比度计算** - 对比度通过图像的梯度大小来衡量，使用 Sobel 算子计算 X 和 Y 方向的梯度。 - 结合梯度信息计算每个像素点的对比度。 4. **方向性计算** - 方向性通过梯度的方向分布来衡量。 - 使用 `arctan2` 计算梯度方向，并统计方向直方图的最大值与总和的比值。 5. **实时处理** - 使用 OpenCV 的 `VideoCapture` 捕获摄像头视频流。 - 对每一帧图像计算 Tamura 纹理特征并显示结果。 --- ###