基本內容
摘要：基於圖像圖形學方法，實現了對木材紋理灰度特性的分析，並利用計算機自動檢測出木材紋理形狀、角度、紋理周期長度、線寬度和間距等特徵量值。試驗結果證實，bwmorph為最適於木材類中弱紋理的形狀輪廓檢測，並生成新的紋理骨骼線圖像；對紋理骨骼線圖像進行Radon變換後，可得到0~180°紋理線條在相應角度上投影變換域的積分值，從而繪製出紋理角度的二維曲線圖，紋理曲線圖所反映的木材紋理方向性規律與人們平常對木材紋理的印象相吻合；通過將紋理圖像二值化後再橫向掃描的方式，能夠得到紋理的峰—谷周期圖，從中能夠準確計算出紋理的周期長度，對應於木材的生長輪寬度，並可進一步求出紋理的線寬度和紋理的間距，分別對應木材的早、晚材寬度。
關鍵字：數字圖像處理；木材；紋理；特徵檢測
中圖分類號：TP391.76文獻標誌碼：A
文章編號：1001-3695(2007)04-0173-03
對於紋理型事物而言，紋理的形狀、角度、周期性、紋理寬度及間距等都是定義其類屬的關鍵參數。木材因其分子結構和被切削方式不同，表現在不同切面呈現出獨特的紋理模式。可以解釋這是由生長輪，早、晚材寬度的規律性但非均勻變化所引起的。木材紋理特徵與木材自身的結構屬性息息相關，因此對木材紋理特徵量的針對性檢測是必要的。但國內外套用圖像圖形學方法來探測木材紋理特徵量的研究報告還十分有限。本文將選擇典型的木材徑向、弦向切面紋理圖像，套用圖像圖形學手段來嘗試提取它們的紋理特徵信息。
1木材紋理灰度的變動特徵及規律
1.1木材紋理灰度的周期特性
選擇典型的木材徑切面紋理圖像，如圖1所示。有規則的灰度變化才形成紋理，紋理是灰度周期性的分布；即便灰度變化是隨機的，它也具有一定的統計特性。所以對紋理的分析也需要從紋理的灰度變動特性進行。對典型的木材徑切面紋理圖像，沿垂直於紋理方向橫向掃描得到圖像寬度範圍內的紋理灰度變化數據，如圖2所示。可以看出，木材紋理灰度基本呈周期性變化，每一個周期由若干個灰度像素點構成，周期長度和周期內灰度最大變動幅值基本相等。
1.2木材紋理灰度的自相似特性
紋理灰度的自相似特性可由相鄰像素點之間的散點圖來分析。散點圖是根據相鄰兩像素的灰度值，以前一灰度值為橫坐標，後一灰度值為縱坐標而描點繪圖。散點圖中的各散點以45°角直線為軸心分布，長軸反映灰度值的變化範圍，散點接近原點，則灰度的整體變動範圍小；散點遠離原點，則灰度的整體變動範圍大。短軸即垂直於45°線散開的程度，反映灰度值的變化幅度大小；如果短軸的寬度較大，則說明前後像點之間的變動幅度較大，反之則較小。
分析圖3可知，數據點基本均在45°直線附近分布，呈線性關係，長軸寬度很大，短軸寬度較小，說明在很大的灰度變化範圍內，相鄰灰度點之間的相關性均很密切，不隨灰度的絕對值變化而改變，說明了木材紋理灰度的自相似特性。
1.3木材紋理灰度差值的變動特徵
1.3.1紋理灰度差值的散點圖分析
每相鄰兩像素灰度值之間的差值可反映紋理細微變動的幅度。相應的數據可形成紋理灰度差值系列，如圖4所示。分析可知，灰度差值以“0”為水平基線而上下波動，說明灰度的改變並不定向；整體上多數數據點緊貼基線或在基線附近，說明產生這些數據點的相鄰兩像素間的灰度變動很小；灰度差值的極大值一般呈周期性出現，且基本規律為正向差值極大值和負向差值極大值相間隔出現。
紋理灰度差值數據的自相關散點圖如圖5所示。分析圖5可知，每相鄰兩數據點的分布雖比較密集，但並不緊貼45°直線附近。說明灰度間差值變化的整個範圍內，木材紋理灰度的變動幅值在一定程度內呈隨機變化，相鄰灰度間差值點之間總體具有一定規律，但相關性不是很密切。此外，從長、短軸的寬度來看，灰度間差值的變動幅度不大，即木材紋理灰度呈一個小幅度的隨機變動，故不會引起視覺的敏感和刺激。
1.3.2紋理灰度差值的頻譜分析
利用紋理灰度差值數據系列做出自回歸模型功率譜圖和快速傅立葉變換功率譜圖，如圖6所示，並分析它們所表達的木材紋理灰度差值的頻譜特徵。
從圖6可看出，在極低頻（0~0.04Hz）和低頻（0.04~0.15Hz）範圍內，灰度差值的功率譜密度峰值均較低，而在高頻（0.15~0.4Hz）範圍卻出現了功率譜密度值的明顯尖峰；功率譜能量的比值約為（極低頻+低頻）/高頻≈0.29（AR功率譜）或0.16（FFT功率譜），顯示灰度變動差值以高頻為主，只間或出現灰度的低頻跳變，與圖4和5表達的信息相印證。
綜合以上分析結果，總結出木材紋理灰度變動的規律為：在一個紋理灰度變動周期內，絕大多數相鄰像素間的灰度值具有很高的自相似性，灰度值的變動一般呈現高頻度、小幅值、隨機性的特點；而處在相鄰周期銜接處的像素點間自相似性一般不密切，灰度差的變動往往呈現低頻度、大幅值、有規律的特點，此處往往對應視覺上紋理灰度的跳躍部位；在整個圖像區域內，若干個紋理周期的特點表現為總體相似，但不完全相同。
2木材紋理形狀與紋理角度的檢測
形狀是物體的一種屬性，但實際上定義物體的形狀確實非常困難。雖然當前並沒有被認可的統一的形狀描述方法學，但定位於物體邊界一階導數的顯著變化常常會產生適當的信息。
在描述圖像視覺屬性的眾多特徵中，方向性也值得被作為一個與眾不同的屬性來對待。圖像圖形學強調，方向性是判定一幅圖像與另一幅圖像是否相似的一個關鍵的定義，並且基於這樣的假設，將圖像內容在二維空間內所表現出來的角度譜作為圖像內容和分類的一個特徵尺度。
木材紋理方向的定量檢測仍是尚未被完全解決的問題之一。據理論分析，Radon變換能夠從嘈雜背景中提取出直線系列（也可認為是曲線），從而將一幅二維的圖像轉換成為一個線性參數域，在檢測紋理方向方面具有極大的潛力。
