ISSN 1009-3044 Computer Knowledqe and Technology电脑知识与技术 V01．5，No．32，November 2009，pp．9032—9034 E—mail：eduf@ecce．net．ca http：／／www．dnzs．nel．cn Tel：+86—55 l一5690963 5690964 灰度直方图特征提取的Matlab实现 刘益新1．郭依正2 (1．金山职业技术学院计算机系。江苏扬中212200；2．南京师范大学泰州学院信息科学与技术系，江苏泰州225300) 摘要：图像特征提取是图像识剔、图像敬据挖掘、基于内容的图像检索等的基础性工作，是目前图像领域研究的热点。该文以医学肝 脏CT图像为例．对其灰度直方图特征提取进行了Maflab分析与实现，并给出了实现代码。实验结果表明，正常异常肝脏图像的灰 度直方图特征有明显差异。 关键词：灰度直方图；特征提取；maflab：医学图像 中图分类号：TP391．9 文献标识码：A 文章编号‘：1009-3044(2009)32—9032—03 Gray-scale Histograms Feature Extraction Using Matlab LU T Yi—xinl．GUO Yi—zhen92 (1．Department of Computer，Jinshan Vocational Techmcal CoHege，Yangzhong 21 2200，China；2．Department of information science and technology，Yanjing Normal Umversity Taizhou CoHege，Taizhou 225300，China) mining，content—based image retrieval Abstract：The feature extraction of image is a foundational work for image recognidon，image is a hot topic in the research of image now．This paper analysised and implemented CT liver image gray—scale his- (cmR)，etc．And it tograms feature extraction using Matlab．The experiments proved that these features are different prominently between normal liver and ab- normal liver． data Key words：gray——scale histograms；feature extraction；matlab；medical image 图像特征是用于区分图像内容的最基本属性．它们可以是原图中人类视觉可鉴别的自然特征，也可以是通过对图像测最和处 理人为定义的某些参数。所谓特征提取是对研究对象固有的、本质的及重要的特征或属性进行量测并将结果数值化，或将对象分解 并符号化，形成特征矢量或符号串、关系图的过程111。 医学图像内容丰富且结构复杂。提取有效特征来描述逭些图像内容是医学图像分析和理解的重要内容。对于医学图像特征提 取算法。大体可以分为i大类：颜色(灰度)特征提取口I、纹理特征提取J3I和形状特征提取|4l。其中颜色特征足医学图像的重要特征之一， 且广泛应用于图像处理系统中。在医学图像中，大部分是灰度图像，而不是彩色图像，因此与颜色特征相对应的是灰度特征。医学图 像灰度特征，是利用灰度具有一定的稳定性，对大小、方向都不敏感，能表现出相当强的鲁棒性。 基于灰度直方图的特征提取是医学图像颜色特征提取中的一个典型算法。任何一幅网像的灰度宣方鹊都包含了午富的信息。 图像的灰度直方图足表示一幅图像灰度分布情况的统计特性，图像的灰度直方图简称直月图，足图像处理中一种十分重要的分析 工具。图像厌度直方图特征是医学图像的基本而重要的特征数据。本又对基于灰度直方图的特征提取进行f Matlab分析与实现。实 验结果表明，正常异常肝脏图像的灰度直方图特征有明显差异，为图像分析与理解、网像检索、图像识别和图像挖掘等后继研究奠 定了一定的理论基础。 1灰度直方图的定义 一幅数字图像的灰度直方图就是一个灰度级的离散函数，可以用式<1)来表示图像灰度直方图的定义嘲。 其中i表示灰度级，L表示灰度级种类数，n。表示图像中具有灰度级i的像索的个数，N表示图像总的像素数。公式描述的是图 像中具有该灰度级的像素的个数占图像总像素的百分比，即图像中具有灰度级i的像紊出现的频率。其横坐标是灰度级，纵坐标足 该灰度嘏现的频率。 lI H(f)=名，l-0．1．……，三一1 Ⅳ f1) 、’ 图像的灰度直方图提供了该图像外观的一个全局描述，所提 取的特征具有RST不变性，即旋转、比例和位移不变性，缺点是不 能有效地表示图像的空间信息，如图1表示的是一幅医学图像的 直方图示例。 2基于直方图的统计特征 一般不是商接将医学图像的直方图作为特征．需要通过用一 些统计量来反映网像的直方网，这些统计量通常称为直方图的统 计特征。常用下列几种统计量来反映图像的直方图特征： 图1 医学图像及其直方图 收稿日期：2009-09-17 作者简介：刘益新(1982一)，男，江苏宜兴人，硕士，助教，主要研究方向为图形图像处理；郭依正(1984一)，男，江苏徐州人，硕士，助 教．主要研究方向为图形图像处理。 9032-·人工譬■夏识嗣技术*·--· 万方数据 本栏目责任编辑：唐一东 

第5卷第32期(2009年”月) Computer船鼢_蜘如and TochnoIbgy电奠知识与技术 1)均值(me卸)：均值反映的是一幅图像的平均灰度值。 工-i ∥=∑1日(1) ‘·o l-0 1’ 2)方差(variance)：方差反映的是一幅图像的灰度在数值上的离散分布情况。 矿=∑(j一∥)2H0) 3)歪斜度(skewness)：歪斜度反映的是图像直方图分布的不对称程度，歪斜度越大表示直方图分布越不对称，反之越对称。 鸬5一：Z。(i-／M)3H(0 (2) ＼-' (3) (4) 4)峰态(kurtosis)：峰态反映的是图像的灰度分布在接近均值时的大致状态，用以判断图像的灰度分布是否非常集中于平均灰度 附近。峰态越小，表示越集中；反之，表示越分散。 5)能量(energy)：能量反映的是灰度分布的均匀程度，灰度分布较均匀时能量较大．反之，较小。 。 脓2亭妥(‘一一)4日(‘)一3 脚=∑踟)2 6)熵(entropy)：熵也反映了直方图灰度分布的均匀性。 ，o=一∑H(i)log：阻(f)】 3灰度直方图特征提取的Matlab实现 (5) (6) (7) 以图2所示的肝脏CT图像为例。众所周知，灰度图像在计算机中的表示是一个M*N的二维矩阵，这里M=N=512。一个像素就 对应着矩阵中相应位置的一个灰度值，由于灰度级是256。因此灰度值范围在0～255之 问，最小灰度值O代表黑，最大灰度值255代表白。 对于肝脏CT图像，纯黑对应背景区域，纯白对应骨骼组织。这两部分对于图像的 特征提取没有意义，因此公式中i的取值为1—254。以提取基于直方图的均值特征为例， 图2一幅CT肝脏图像 程序如下。 “c filename=71．bmp'； pi=imread(filename)； pix=double(pi)； s=double(zeros(254，1))； for i-l：512 for涪1：512 for k=1：254 switch pix(id) case k s(k)=s(k)+double(1)； otherwise end end end end sum=double(O)； for k=l：254 sum=sum+s(k)； end h=double(zeros(254，1))； for u=l：254 h(u)=s(u)／sum； end junzhi=double(O)； for i_l：254 junzhi=junzhi+i幸h(i)； end filename junzhi toe 上述代码运行结果如下，可见，图2所示的肝脏CT图像，其基于直方图的均值特征，程序运行时间0．938000秒。 filename=1．bmp iunzhi=129．0577 Elapsed time is 0．938000 seconds． 本栏目责任编辑：唐一东 万方数据 。。--·人工■■及识剐技术--9033 

Computer Knowledge and Technology电脑知识与技术 第5卷第32期(2009年11月) 现在随机抽取10幅正常肝脏CT图像(如图3所示)和10幅异常肝脏CT图像(如图4所示)。比较其均值特征，如图5所示，由 曲线网清晰可见，正常肝脏CT图像与异常肝脏CT图像在均值特征上差别明显，正常肝脏CT图像均值在129．2879左右，异常图像 的均值在115．2091左右。值得注意的是，结果并非表明用这一个特征就可以完全区分正常肝脏与异常肝脏，细看曲线图可知，异常 肝脏CT图像中第一幅图就无法使用均值判断其正常异常与否，仅仅使用均伉就会误判。现实生活中，肝脏CT图像凶拍摄位置、拍 摄仪器等多方面原因，要想理想判断其正常还是异常．使用一个或一类特征是远远不够的。 图3 随机抽取的1n幅正常肝脏rT图 图4随机抽取的lO幅异常肝脏CT图 4总结 本文对基于灰度直方图的医学肝脏CT图像特征提取进行了 Maflab分析与实现。特征的提取很霞要．特征提取的好坏直接影响到 图像识别、基于内容的图像检索、图像挖掘、图像分析与理解等后继工 作的成败。由于医学图像与普通I墨I像存在很大的不同．医学图像具有 灰度分辨率高、所含信息量大、数据的巨量性、异构性、噪声显著性等 特点，单一的特征提取方法都还不能很好的表达医学图像的内容，寻 找适合医学图像的特征提取方法仍是一个需要深入探索的领域。 参考文献： 【l】郭依正．基于多特征融合的医学图像识别研究【D】．镇江：江苏大学， 图5 10幅正常肝脏CT图与10幅异常肝脏CT图的比较 2007． 【2】Yong Rui．Image Retrieval：Current Techniques，Promising Directions and Open Issues阴．Journal of Visual Communication and Im- age Representation，1999，10(3)：39-62． [3】3 MANJUNATH BS，MA M X．Texture Feature for Browsing and Retrieval of Image Data【J】．IEEE-PAMI，2000，1 8(8)：837—842． 【4】胡小锋，赵辉．Visual C++，MAⅡAB冈像处理与识别实用案例精选【Mj．人民邮电出版社，2004：119—121． 【5】金华．基于密度聚类的医学图像分割和特征提取方法研究IDJ，硕士学位论文：镇江：江苏大学，2005． 9034··人工智麓硬识翳技术；···· 万方数据 本栏目责庄编辑：唐一东 

灰度直方图特征提取的Matlab实现 作者： 刘益新， 郭依正 作者单位： 刘益新(金山职业技术学院计算机系,江苏,扬中,212200)， 郭依正(南京师范大学泰州学院 刊名： 英文刊名： 年，卷(期)： 引用次数： 参考文献(5条) 信息科学与技术系,江苏,泰州,225300) 电脑知识与技术 COMPUTER KNOWLEDGE AND TECHNOLOGY 2009，5(32) 0次 1.郭依正.基于多特征融合的医学图像识别研究[D].镇江:江苏大学,2007. 2.Yong Rui.Image Retrieval:Current Techniques,Promising Directions and Open Issues[J].Joumal of Visual Communication and Image Representation,1999,10(3):39-62. 3.MANJUNATH BS,MA M X.Texture Feature for Browsing and Retrieval of Image Data[J].IEEE-PAMI,2000,18 (8):837-842. 4.胡小锋,赵辉.Visual C++/MATLAB图像处理与识别实用案例精选[M].人民邮电出版社,2004:119-121. 5.金华.基于密度聚类的医学图像分割和特征提取方法研究[D],硕士学位论文.镇江:江苏大学,2005. 相似文献(10条) 1.学位论文 廖学锋 基于粗糙集和灰度直方图的人眼定位算法 2007 人脸识别技术有着广泛的应用前景和迫切的现实需要，是当前模式识别领域最热门的研究方向之一。一般的人脸识别系统主要包括图像预处理、人 脸定位、特征提取、样本学习和识别过程四部分，其中人脸定位和特征提取的好坏直接影响到识别效果，当前大部分的人脸定位技术都是基于肤色模型 的，而特征提取算法中人眼的定位由具有非常重要的参照作用。 对此，本文针对在人脸中眼睛区域的灰度值较人脸的其它区域偏低这一特点，提 出了一种基于粗糙集和灰度直方图的人眼定位算法。这一算法由于是在人脸粗定位的基础上进行，缩小了搜索范围，因而能大大提高人眼定位正确率。 本文首先简要介绍了对彩色图片中的人脸进行检测和定位的一些常用方法和几种在人脸识别研究中经常被采用且效果较好的特征提取方法，例如几 何特征提取法、主元分析法(PCA)以及神经网络特征提取法等；接着在第二章中讨论了基于肤色模型的人脸检测方法；然后，详细介绍了目前比较常用的 几种人眼定位算法，例如霍夫变换法、变形模板法以及边缘特征分析法等；最后，介绍了作者在研究过程中提出的基于粗糙集和灰度直方图的人眼定位 算法，并给出了详细的实验数据。 实验表明，基于粗糙集和灰度直方图的人眼定位算法，在现有的实验数据下具有90﹪的正确定位率，且随着对 象属性数的增加，人眼的定位正确率能有进一步提到。 2.学位论文 杨秀娟 基于纹理特征的图像检索研究 2009 随着计算机技术和网络技术的广泛应用，在新闻出版、医疗卫生、建筑设计等行业每天会产生大量的数字图像。如何有效地对这些图像进行分析、 存储和检索是一个亟待解决的问题。基于内容的图像检索技术能有效地解决这一问题，成为研究的热点。纹理是图像的一个主要特征，也是基于内容图 像检索系统中的一个重要手段，因此，本课题主要针对基于纹理特征的图像检索技术展开研究。 本文分析、比较了经典的纹理特征提取方法和纹 理分析方法，以及常用的相似度度量方法，指出其各自的特点。然后，着重对纹理特征的提取和纹理特征相似性的度量进行了深入研究。 在图像 纹理特征和图像检索方面所做的工作有： 1.选用灰度直方图的矩提取纹理特征，因为灰度直方图的矩形象而直观地反映像素点随灰度值变化而变 化的情况。虽然其它提取纹理特征的方法各有其优点，但灰度共生矩阵的灰度像素统计特征，没有和人类在视觉上对纹理特征的鉴别之间建立对应关系 ；Gabor小波函数的纹理特征不具有旋转不变性。 2.使用Tamura纹理特征，比较全面分析纹理的特征，能够从纹理的最本质属性方面来探索图像的 纹理特征。其它的方法虽然都具有优点，但游程长度统计分析法不能充分反映图像的整体模式和整体像素点排列规则；傅立叶变换法和小波变换纹理分 析法的检索结果存在一定程度的失真。 3.由于纹理特征本身具有区域性和局部性的特点，单纯形法通过计算像素点之间的距离，判断方向，进行 一系列线性变换，找出与示例图像纹理特征最相似的图像。而距离函数相似度度量计算简单，但限定条件太严格；Hausdorff距离方法的匹配对形变不敏 感，但是对噪声很敏感；马氏距离只要求特征向量的各个分量间具有相关性或者具有不同的权重，但相关性和不同的权重很难确定。 本文设计实 现了一个基于纹理特征的图像检索系统，对于给定的示例图像，并根据系统搜索图像库与示例图像相似性程度的数值，按降序排列相符合的图像。实验 结果证明，本文的实验系统具有较好的检索性能。 3.期刊论文 王永强.孟然.于德敏.许增朴.Wang Yongqiang.Meng Ran.Yu Demin.Xu Zengpu 机器视觉玻壳产品在线 分类识别系统研究 -仪器仪表学报2005,26(z1) 针对玻壳工业生产线产品的在线分类识别组成机器视觉系统.介绍了采用灰度直方图曲线实现图象对比度线性变换、图象二值化、动态识别区域划分 、特征提取以及利用模板图象匹配实现目标分类识别的有效方法,并给出了实验结果. 4.会议论文 谢红梅.连宇.彭进业 基于NCut分割方法和SVM分类器的医学图像计算机辅助诊断 2008 为解决医疗诊断中由于疲劳和主观因素影响导致的诊断错误，本文提出了基于Nuct分割方法的医学CT图像的分割、特缸提取和诊断的新方案。将 Nuct分割方法应用于腑CT图像。先进行图像分割，提取感兴趣区域，再从灰度直方图，灰度共生矩阵两方面提取特征，最后利用SVM(支持向量机)对图像 进行分类，为医生的诊断提供参考。从结果上看，理论有很大的应用价值。 5.学位论文 尹建新 基于计算机视觉木材表面缺陷检测方法研究 2007 板材是木材应用需求量最大的品种，板材表面质量是评定板材质量的重要指标之一。随着木材加工业向机械化、自动化的大规模生产方向发展，人 们对板材的加工质量，尤其是表面缺陷给予了越来越多的重视，因而表面缺陷检测技术变得越来越重要。 本文基于机器视觉理论对木材表面缺陷 进行了深入研究，结合数字图像处理技术和人工神经网络模式识别技术，研究了木材表面缺陷图像预处理、特征提取、模式识别问题，以Visual C++程 序设计环境，开发了用于检测板材表面缺陷的定位和识别等图像处理算法。 图像预处理是检测的第一步，对图像缺陷特征的正确提取是非常关键 的。论文通过三种方式对图像的灰度直方图进行分析统计：(1)对每一像素作256级灰度直方图分析；(2)对4×4像素块作256级灰度直方图分析 ；(3)4×4像素块作16级灰度直方图分析。 特征提取直接影响木材缺陷检测系统的识别率。论文首先从灰度直方图中根据是否有颜色突变来判断图 

片是否存在缺陷，缺陷图片在直方图中表现出双峰特征，通常次波峰即为缺陷部位，但这不是绝对的。若直方图曲线只有一个波峰，则可能是正常木材 图片。经过实验统计，当次波峰值比主波峰的值大于1/10时，次波峰即是代表缺陷颜色。实现了缺陷检测的第一步，即把图像分为有缺陷和无缺陷两类 。 基于人工神经网络的模式识别具有对数据类型和分布函数没有限制、容忍度更高等优点，相适应于木材表面缺陷的复杂性，有很好的应用前景 。论文以缺陷灰度均值、缺陷灰度方差和缺陷形状作为缺陷类型识别的特征量为输入，缺陷类型为输出，构建了系统的BP网络系统模型。论文以4种缺陷 类型为输出，选用LMS对BP神经网络进行训练，对设计的神经网络系统进行了检测，实验结果表明系统的平均识别率为97％，证实了所设计系统的可行性 和有效性。 6.学位论文 胡粲彬 面向特定目标的SAR图像筛选技术研究 2008 合成孔径雷达(SAR)成像作为一种利用微波成像的遥测手段，具有全天时、全天候的突出特性，在军事、民用方面有着广泛的应用前景。传感器技术 的高速发展使得可获取的SAR数据资源骤增，给后续数据处理和解译判读带来巨大压力。研究可行的海量SAR数据快速筛选技术，有效滤除那些没有判读 价值和无感兴趣目标的图像数据，提高整体判读解译的时效性，成为目前亟待解决的关键问题。 论文围绕海量SAR图像筛选技术，其中的主要工作 和成果包括： 深入学习了SAR成像的基本理论，对常规的SAR图像特征做了初步分析，包括：相干斑特征、几何特征、灰度特征等等，明确了SAR图 像解译的基本流程。 针对两类典型目标(飞机和舰船)的SAR特性进行了详细分析，梳理了目标特征提取与检测的总体思路，对用于图像筛选的目标 线索或背景特征做了列举分析：设计了一组图像灰度直方图特征，并分别作了分析比较，可以辅助后续的SAR图像筛选工作。 提出了一种基于位平 面特征的SAR图像筛选方法。在适当的灰度预处理基础上，结合复杂度度量、游程度量以及频谱度量，定义了位平面价值度量准则。实验以机场目标为对 象，结合图像灰度直方图特征对SAR图像进行筛选，并对机场目标进行提取，效果良好，能够满足预期的要求。将统计特性分析的思想用于SAR图像筛选 方案设计中。结合各种统计分布模型和匹配检验准则，对不同地物SAR图像统计特性进行建模分析，得出不同地物最优统计模型以及匹配检验阈值。实验 以港口海域图像为对象，结合图像灰度直方图特征对SAR图像进行筛选，初步结果证明了方案的可行性。 7.学位论文 陈玲 关于利用数字图像处理和模式识别对矿石进行识别的方法探讨 2007 本文研究如何利用数字图像处理和模式识别技术对矿石图像进行种类标识。首先，分析待识别图像的灰度直方图，发现有两个呈正态分布的清晰峰 值，因此可以利用高斯混合模型进行曲线拟合，得出两种矿石的灰度范围，再利用区域划分方法进行划分；其次，对蛇纹石的识别主要采用纹理识别的 方法：先找到具有典型蛇纹石特征的训练集，对其提取特征向量，作为对比标准(特征由灰度共生矩阵、灰度行程矩阵以及灰度方差值组成，并在提取前 对图片进行窗口分割及灰度处理以减少运算量)；对待识别图片进行同样方法的特征提取，并将该特征向量与训练集采用欧氏距离进行相似度匹配，以判 断待识别图片是否蛇纹石。 8.期刊论文 王永强.孟然.于德敏.许增朴.Wang Yongqiang.MENG Ran.YU Demin.Xu Zengpu 机器视觉玻壳产品在线 分类识别系统研究 -仪器仪表学报2005,26(8) 针对玻壳工业生产线产品的在线分类识别组成机器视觉系统.介绍了采用灰度直方图曲线实现图象对比度线性变换、图象二值化、动态识别区域划分 、特征提取以及利用模板图象匹配实现目标分类识别的有效方法,并给出了实验结果. 9.学位论文 雷震 航空影像中的机场检测——机场特征提取、分析与推理 2002 本文对机场检测问题主要从三个方面进行了研究:边缘特征的提取、分析和机场跑道网提取;区域特征的提取、分析和停机坪提取;各种置信度的计算 和模糊推理机制.通过结合这三个方面,本文提出了一套较为完整可行的计算机场置信度、检测机场的方案.本文力图利用机场的结构特点,结合、改造已 有的特征提取、分析、推演方法,提出了一些有一定实际应用价值的方法.1.在跑道网的提取和分析方面,本文将Canny算子、矢量跟踪与基于最小二乘的 直线检测这三种方法紧密结合,提高了直线检测的效率.利用8领域方向上的梯度相位信息,有效的辅助了线段的连接、最小二乘直线检测和跑道假设的提 出等过程.提出了产生跑道假设和初始置信度计算的方法.2.在停机坪的检测和区域提取方面应用梯度一灰度直方图,实现了更合理的直方图分割.采用了 利用梯度一灰度直方图,先生成优良的匀质种子块,再由这些种子块向周围适当生长区域的方式有效的将集合的倒挂树表示及其算法应用于区域生长中的 冲突消解过程.提出了综合利用角点特征和模板匹配的飞机检测方法并利用飞机信息修正停机坪的置信度3.在规则推理方面介绍了模糊推理的原理并从机 场检测的角度出发,建立了规则集.给出了各初始置信度的计算方法和由置信度及推理规则计算最终机场置信度的方法.在机场检测的整体流程上,本文采 用了先粗检后细检的方式,先估计跑道网的位置和机场的范围,再在这个范围内进行停机坪及飞机的检测.笔者按照上述方案,实现了一个机场识别的实验 系统,用这个实验系统对若干机场影像进行了检测试验,并取得了较好的试验效果. 10.学位论文 向光蓉 基于图像识别的苹果分级研究 2003 该文讲述其自动检测中的应用——基于图像识别的苹果分级,设计出苹果图像识别系统(按大小、形状).为了根据苹果图像进行苹果分级,文中介绍了 对苹果图像进行低层信息处理的所采用的方法.图像增强、边缘检测、图像二值化、图像细化等,算法如中值滤波、边缘检测算子,改进的灰度直方图法、 骨架抽取做了重要探讨,并应用或改进应用于本人的设计中.其中改进的灰度直方图法就是在传统的灰度直方图法基础上改进的算法,效果较好.文中讲述 了苹果图像识别系统设计的方法和步骤.提取苹果的特征参量:包括大小特征量——平均半径r<,0>;形状特征量——相对平均半径误差Δr.建立苹果按大 小、形状分等级的特征函数.给出了应用程序实现的该图像识别系统对苹果进行识别的数据表.利用神经网络进行图像识别,可以不建立判别函数,利用足 够多的神经网络训练可以达到很好的识别效果,文中对神经网络应用于苹果图像识别系统进行了探讨. 本文链接：http://d.g.wanfangdata.com.cn/Periodical_dnzsyjs-itrzyksb200932078.aspx 下载时间：2010年4月22日