Teksturfunksjoner

Teksturfunksjoner er kvantitative mål som beskriver hvordan intensitetsverdier i et bilde er fordelt og organisert i lokalt område. De fanger mønstre som grovhet eller jevnhet, retning og regelmessighet, og gjør det mulig å skille mellom ulike teksturer selv når farge eller gjennomsnittslysstyrke er lik. Slike funksjoner brukes i bildebehandling og datamaskinvisjon for oppgaver som klassifisering, segmentering og gjenkjenning.

Metoder for å hente teksturfunksjoner varierer. Statistiske metoder benytter statistikker fra grånivåfordelinger og teksturmønstre. En av de mest kjente tilnærmingene er grånivå-sammenhengsmatriser (GLCM), fra hvilken man kan ekstrahere kontrast, energi, homogenitet og korrelasjon. Andre statistiske beskrivelser inkluderer førstegangs statistikk (mean og varians) og run-length-baserte mål som beskriver lengden på like intensitet-områder.

Filterbaserte metoder analyserer teksturer i frekvens- eller orientasjonsrom. Gabor-filtre gir frekvens- og retningstilpasset analyse og brukes ofte i bank av filtre som dekker flere skalaer og orienteringer. Lokale-mønster-baserte metoder, som Local Binary Patterns (LBP) og varianter, beskriver lokalt kontrastmønster rundt hvert pixel og er effektive ved teksturklassifisering i varierende belysning.

Transformasjonsbaserte metoder bruker signaltransformasjoner som wavelets eller diskret cosinus-transform for å beskrive tekstur på flere skalaer og frekvenser. Modellbaserte tilnærminger inkluderer fraktale dimensjoner og markov-modeller som beskriver teksturamønstre med stokastiske prosesser.

Anvendelser spenner fra medisinsk bildebehandling og fjernmåling til industriell kvalitetskontroll og ansiktsanalyse. Utfordringer inkluderer variasjoner i belysning, skala og støy, som kan påvirke robustheten til teksturfunksjonene.