我有一个有趣的问题正在尝试解决。例如，如果我们有一张包含两个纹理（A 和 B）的黑白图像，我有兴趣知道完全覆盖各个纹理的边界的像素值。
我想过使用互相关，这会给我图像上模板（图例）的位置集群，但是有没有办法使用它来获取边界的像素值（这些通常是不规则的）？另外，还有其他更好的方法吗？
一个真实的例子是在地图上检测降雨区域，该地图显示一年中的三个降雨水平。每个级别都分配有图例中存在的纹理，用于在同一图像上进行纹理匹配。
图像上的纹理检测和区域属性
信息处理
图像处理
2022-01-01 17:47:19
1个回答
这是一个简单的过程：
- 将纹理测量分配给图像中的每个区域。
- 使用区域标记/连接算法（或区域增长算法）来连接具有相同纹理度量的相邻区域。
- 实现一个简单的边缘跟踪算法来跟踪每个区域的轮廓。
Law 的纹理测量是一种较旧但仍然有用的技术，用于确定图像中的纹理，它们可能足以让您在整个图像中区分纹理 A 和纹理 B。请参阅维基百科文章中的“法律纹理能量测量”部分：
http://en.wikipedia.org/wiki/Image_texture
作为第一步，计算所有纹理测量值并确定哪个特定测量值（例如边缘或点）可以让您最轻松地将一个纹理与另一个纹理区分开来。（如果您发布一些图片，我可以帮助您确定纹理度量。）
如果您只有两个纹理，A 和 B，那么您可以将它们视为前景和背景，并且标准区域标记算法将起作用。为了更容易查看处理过程中发生的情况，您可以通过将 A 纹素（纹理元素，小块纹理）分配给白色，将 B 纹素分配给黑色来生成新图像。然后区域标记和/或轮廓跟踪算法将找到连接的白色和黑色区域。OpenCV 中的 findContours() 函数可以正常工作。
http://en.wikipedia.org/wiki/Connected-component_labeling
同一篇 Wikipedia 文章包括传统的多通道算法和单通道算法。我还没有实现那里描述的单通道算法，但我已经使用了 Chen 和 Chang 的论文“使用轮廓跟踪技术的组件标记算法”中描述的单通道算法。Chen 和 Chang 的论文还描述了一种可以快速实现的标准轮廓跟踪算法。
如果您有两个以上的纹理，那么在将纹理重新映射为颜色后，您可以使用分水岭或均值偏移算法将区域聚集在一起。虽然这种从纹理到颜色的重新映射不是必需的，但它确实使该过程更易于调试和理解。