基于MATLAB的木材花紋圖像處理與分析研究

蔣 彤(Banda Charity)，田 朔，黃 璇，余輝龍，李文珠*

(1.浙江農(nóng)林大學(xué)化學(xué)與材料工程學(xué)院，浙江 杭州 311300；2.浙江省東陽市森林資源綜合服務(wù)中心，浙江 東陽 322100；3.江西省家具產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心，江西 贛州 341400)

珍貴木材往往憑借其紋理特征所展現(xiàn)出稀有的視覺特性以及優(yōu)異的裝飾性能，來作為衡量其是否具有使用和投資價(jià)值的重要依據(jù)[1]。木材花紋是指木材表面因生長輪、導(dǎo)管、木射線、軸向薄壁組織、顏色、節(jié)疤、紋理等因子影響，在不同切面上顯示出的不同形狀與花紋圖案[2]。木材花紋是在樹木生長過程中自然形成的，具有復(fù)雜性和隨機(jī)性，同時(shí)也有一定的規(guī)律性和特征性，木材花紋與木材組織構(gòu)造關(guān)系密切，不僅是重要的木材識(shí)別特征，也是呈現(xiàn)木材表面獨(dú)特觀賞效果的重要元素。在木材利用上，木材花紋主要指的是在木材縱切面上形成的圖案，呈現(xiàn)出特征性的平行線細(xì)狀、曲折波浪狀和連續(xù)橢圓狀等花紋，同時(shí)在局部有交叉和重疊等。木材花紋具有自然豐富的紋理圖案，目前還沒有統(tǒng)一的標(biāo)準(zhǔn)來描述其特征。如何表征自然紋理并分類是計(jì)算機(jī)視覺研究領(lǐng)域的一個(gè)重要方向[3]。

近年來對(duì)木材花紋的研究不斷深入，國內(nèi)外學(xué)者提出了不同的特征提取及紋理分類算法。非負(fù)矩陣分解，灰度共生矩陣法，馬爾可夫隨機(jī)場，尺度不變特征變換法等在特征提取方面取得了一定的突破，而常用的分類算法有BP神經(jīng)網(wǎng)絡(luò)，SVM支持向量機(jī)，決策樹，極限學(xué)習(xí)機(jī)等[4-7]。大多紋理分類模型基于以上算法的結(jié)合，且取得了一定的成果[7]。國內(nèi)研究者應(yīng)用計(jì)算機(jī)圖形學(xué)，特別是對(duì)木材紋理的分析[8-10]，引入分形理論和分形方法描述實(shí)體木材花紋[11-14]，以木材這種自然紋理為研究對(duì)象，應(yīng)用灰度共生矩陣提取了木材紋理的特征參數(shù)，并對(duì)其進(jìn)行了特征選擇，進(jìn)而建立了紋理參數(shù)體系，最后進(jìn)行了分類實(shí)驗(yàn)，運(yùn)用自相關(guān)函數(shù)和直方圖均衡化模型軌跡來仿真木材花紋輪廓曲線[15-16]。通過均勻旋轉(zhuǎn)不變特性與小波變換算子相融合，提取紋理的特征值，結(jié)合自適應(yīng)增強(qiáng)(ADABOOST)算法，從而訓(xùn)練得到每類紋理所對(duì)應(yīng)的分類器模型參數(shù)，構(gòu)造分類器，實(shí)現(xiàn)對(duì)木材紋理的準(zhǔn)確高效分析[17]。

贊比亞是非洲中南部的內(nèi)陸國，大部分地形為高原地區(qū)，全國森林覆蓋率為45 %，其中贊比亞染料紫檀(血檀)、風(fēng)車木和古夷蘇木等是近年來最重要的出口木材樹種。本文以分形維數(shù)量化表達(dá)木材表面特征紋理的粗糙度為導(dǎo)向，通過對(duì)三種木材圖像進(jìn)行預(yù)處理和各種圖像分析處理，應(yīng)用直方圖均衡化、自相關(guān)函數(shù)、灰度共生矩陣等來實(shí)現(xiàn)對(duì)木材紋理特征的深度分析與比較，為木材花紋的識(shí)別和分類提供理論參考。

1 材料與方法

1.1 試驗(yàn)材料

產(chǎn)自贊比亞，出口中國的三種常見木材：

染料紫檀(PterocarpustinctoriusWelw)，豆科(Leguminosae)紫檀屬，俗稱血檀，分布于安哥拉、布隆迪、剛果民主共和國、馬拉維、莫桑比克、坦桑尼亞聯(lián)合共和國、贊比亞，列入《世界自然保護(hù)聯(lián)盟瀕危物種紅色名錄》(IUCN 2017年 ver 3.1)——無危(LC)；風(fēng)車木(CombretumimberbeWawra)，使君子科風(fēng)車藤屬，俗稱皮灰木，常綠大喬木，產(chǎn)非洲莫桑比克、贊比亞等地；古夷蘇木(Guibourtia)，別稱巴西花梨(簡稱巴花)，豆科(Fabaceae)蘇木屬(Csalpinia)，分布在中非西部剛果河盆地，剛果、加蓬、喀麥隆、赤道幾內(nèi)亞、中非。

試樣取自浙江農(nóng)林大學(xué)木材標(biāo)本室，每種木材分別取4組長方形板狀標(biāo)本(15 cm×20 cm×1.5 cm)，表面經(jīng)砂光處理，木材紋理圖案清晰。

1.2 試驗(yàn)方法

1.2.1 木材花紋采集與分類

采用2 000萬像素以上的數(shù)碼相機(jī)在三種木材表面進(jìn)行木材花紋圖案采集，每種木材表面拍攝木材花紋照片8張，運(yùn)用計(jì)算機(jī)視覺理論，對(duì)三種木材花紋圖像進(jìn)行特征紋理分析，綜合圖像分析算法的特點(diǎn)和適用性，建立起木材紋理定量化特征參數(shù)體系。

1.2.2 木材花紋圖像預(yù)處理

圖像分析可以看作是一個(gè)信息提取的過程，即從圖像中提取想要的數(shù)據(jù)、信息、度量，再將其描述和表示出來。圖像特征是指圖像的原始特征或?qū)傩?，分為視覺特征和統(tǒng)計(jì)特征。視覺特征主要是人視覺的直接感受(顏色，大小等)，統(tǒng)計(jì)特征是指需要通過變換或測量才能得到的人為的特征(頻譜、直方圖等)。本文主要分析圖像顏色特征和紋理特征，并通過Matlab實(shí)現(xiàn)特征分析。

將每種木材表面拍攝的木材花紋照片，用photoshop軟件把每張照片分割成6張分辨率為256×256的圖像，總計(jì)144張圖像(8×6×3=144)，運(yùn)用Matlab進(jìn)行圖像分析。

1.2.3 繪制圖像顏色直方圖

顏色直方圖描述的是圖像中不同顏色在整幅圖像中所占的比例，不關(guān)心色彩的位置，適用于描述那些難以自動(dòng)分割和不需要考慮物體空間位置的圖像[20]。設(shè)一幅圖像的大小為M×N。顏色直方圖H的定義為：p{i}=h{i}.其中h{i}是第i種顏色在整幅圖像中的具體像素?cái)?shù)。圖像直方圖歸一化為：p{i}=h{i}/(M×N).

1.2.4 自相關(guān)函數(shù)計(jì)算

紋理常用它的粗糙性來描述。紋理粗糙性的大小與局部結(jié)構(gòu)的空間重復(fù)周期有關(guān)，周期大的紋理粗，周期小的紋理細(xì)。這種感覺上的粗糙與否不足以作為定量的紋理測度，但至少可以用來說明紋理測度變化的傾向，即小數(shù)值的紋理測度表示細(xì)紋理，大數(shù)值測度表示粗紋理。通常采用自相關(guān)函數(shù)作為紋理測度。設(shè)圖像為f(x，y)，自相關(guān)函數(shù)的定義如式1所示：

(1)

它是對(duì)(2w+1)×(2w+1)窗口的每一像素點(diǎn)(j，k)于偏離值varepsilon，eta的像素之間的相關(guān)值作計(jì)算。

1.2.5 灰度共生矩陣

紋理是各量級(jí)像素值在空間位置上反復(fù)出現(xiàn)而形成的，所以在圖像空間中相隔某距離的兩個(gè)像素之間存在一定的關(guān)系?；叶裙采仃囀且环N通過研究圖像灰度的空間分布相關(guān)特性來描述紋理的常用方法。表示了灰度為i的像素周圍某個(gè)灰度值出現(xiàn)的概率。一副圖像的灰度共生矩陣能反映出圖像和灰度關(guān)于方向、相鄰間隔的變化幅度的綜合信息，它是分析圖像的局部模式和它們排列規(guī)則的基礎(chǔ)。設(shè)是二維圖像，S為目標(biāo)區(qū)域R中具體特定空間聯(lián)系的像素對(duì)的集合，則滿足一定空間關(guān)系的灰度共生矩陣P如式2所示：

(2)

上式等號(hào)右邊的分子是具有某種空間關(guān)系、灰度值分別為 的像素對(duì)的個(gè)數(shù)，分母為像素對(duì)的總和個(gè)數(shù)(#代表數(shù)量)。這樣得到的P是歸一化的。取不同的距離和角度則可得到不同的灰度共生矩陣，實(shí)際求解時(shí)常選定距離不變，取不同角度，如0°、45°、90°和135°時(shí)的灰度共生矩陣。

對(duì)于紋理變換緩慢的圖像，灰度共生矩陣對(duì)角線上的數(shù)值越大；圖像紋理在局部變換較大，則偏離矩陣對(duì)角線的元素值較大。但是由于灰度共生矩陣的數(shù)據(jù)量較大，一般不直接作為區(qū)分紋理特征的依據(jù)。Haralick曾提出了14種基于灰度共生矩陣計(jì)算出來的統(tǒng)計(jì)標(biāo)量。這里采用信息熵、對(duì)比度、同質(zhì)性(逆差距)、相關(guān)性、能量五個(gè)較常用的特征信息進(jìn)行圖像描述。令G表示灰度共生矩陣，則特征信息分別表示為：

(3)

(4)

(5)

(6)

(7)

其中信息熵、對(duì)比度、能量越大表示該超像素塊的紋理越復(fù)雜，顏色跳躍越大；同質(zhì)性和相關(guān)性數(shù)值越大，其對(duì)應(yīng)的超像素塊越紋理平滑，顏色均勻。

2 結(jié)果與分析

2.1 木材花紋圖片采集

用數(shù)碼相機(jī)在自然光條件下拍攝木材花紋照片見圖1～3。

圖1 染料紫檀(血檀)木材花紋采集照片

圖2 風(fēng)車木木材花紋采集照片

從圖1～圖3木材花紋照片可以看出，三種木材的花紋圖案具有明顯的特征性，木材的材色、光澤、紋理和花紋等均有所不同。染料紫檀木材紅褐至紫褐色，具有深色條紋，結(jié)構(gòu)細(xì)致，紋理直或略交錯(cuò)，弦面波痕可見。風(fēng)車木材色呈黑紫色，具深淺相間細(xì)條紋，結(jié)構(gòu)致密，紋理交錯(cuò)，木射線在徑切面上呈白斑紋，在弦切面上呈白點(diǎn)，木材有光澤且有油質(zhì)感。古夷蘇木木材紅褐色，紫色條紋豐富，木材有光澤，紋理直至略交錯(cuò)，結(jié)構(gòu)細(xì)而均勻。

圖3 古夷蘇木木材花紋采集照片

2.2 圖片預(yù)處理

對(duì)上述采集的木材花紋照片進(jìn)行分割和灰度化處理，首先對(duì)每一張照片進(jìn)行分割處理，每種木材8張照片分別得到分辨率256×256的圖像48張，結(jié)果如圖4～圖6所示，并對(duì)圖片進(jìn)行灰度化處理，部分示意圖如圖7所示。

圖4 染料紫檀木材花紋圖片分割

圖5 風(fēng)車木木材花紋圖片分割

圖6 古夷蘇木木材花紋圖片分割

圖7 圖像灰度化處理示意圖

2.3 繪制圖像顏色直方圖

木材花紋經(jīng)預(yù)處理后，再繪制圖像顏色直方圖，結(jié)果如下。

對(duì)照以上三幅圖像的顏色特征解釋直方圖，直方圖的橫坐標(biāo)是0～255，表示像素值；縱坐標(biāo)表示該像素值在整幅圖像中的個(gè)數(shù)。古夷蘇木的顏色比較鮮艷，色彩豐富且圖像偏深色一些，故直方圖較為均勻(縱坐標(biāo)的到900)且數(shù)字偏小的像素更多一些；且圖像偏白、偏亮，所以在100～150之間的像素值較多。

圖8 木材花紋顏色直方圖

圖9 灰度圖像直方圖均衡化處理

圖10 圖像直方圖

2.4 自相關(guān)函數(shù)計(jì)算

自相關(guān)函數(shù)圖中，數(shù)字下降變化趨勢越大對(duì)應(yīng)圖像的紋理就越復(fù)雜，自相關(guān)函數(shù)可以初步判斷對(duì)比出圖像的粗糙程度。在圖像識(shí)別應(yīng)用中，常根據(jù)標(biāo)準(zhǔn)紋理的自相關(guān)曲線與未知紋理的自相關(guān)曲線相比較來判斷未知圖像的紋理粗糙度。由仿真結(jié)果可以得出風(fēng)車木表面粗糙程度相比較其他兩種更大一些。

2.5 灰度共生矩陣

三種木材花紋圖像灰度共生矩陣結(jié)果見表1～表3。

圖11 自相關(guān)函數(shù)

表1 古夷蘇木圖灰度共生矩陣

表2 風(fēng)車木圖灰度共生矩陣

表3 染料紫檀(血檀)圖灰度共生矩陣

從表1～表3數(shù)據(jù)可以反應(yīng)圖像的特征，即風(fēng)車木圖的紋理更多、更深、顏色范圍更大，所以風(fēng)車木圖的灰度共生矩陣對(duì)角線之外的數(shù)據(jù)更多，更大。

通過灰度共生矩陣計(jì)算以下三種木材圖像的特征信息，包括對(duì)比度、相關(guān)性、熵，見表4。

表4 三種木材圖像特征信息表

對(duì)應(yīng)著圖像對(duì)數(shù)據(jù)進(jìn)行簡單分析。從圖像視覺特征角度來看，相比于其他兩種木材，古夷蘇木圖的結(jié)構(gòu)更復(fù)雜，紋理更細(xì)致，血檀的結(jié)構(gòu)規(guī)律性更強(qiáng)、線條更粗。對(duì)應(yīng)在數(shù)據(jù)上，信息熵越大，表示圖像紋理越不均勻，圖像越復(fù)雜(信息熵：古夷蘇木>風(fēng)車木>血檀，所以古夷蘇木更細(xì)膩)；能量越大，圖像紋理的線條越粗糙(能量：血檀>古夷蘇木>風(fēng)車木，所以血檀線條更粗)；同質(zhì)性和相關(guān)性越大圖像越的區(qū)域越平穩(wěn)，相關(guān)性越高(同質(zhì)性、相關(guān)性：血檀>古夷蘇木>風(fēng)車木，所以血檀整體更均勻)；對(duì)比度越大圖像視覺沖擊越大，圖像的溝壑更多、更深(對(duì)比度：風(fēng)車木>古夷蘇木>血檀，所以風(fēng)車木的景象更深)。通過分析可見數(shù)據(jù)特征和圖像的視覺特征相符，通常這些特征信息可以作為模式識(shí)別的特征輸入量進(jìn)行進(jìn)一步的圖像的分析和處理，常用在圖像分類、圖像識(shí)別等領(lǐng)域。

3 結(jié)論

(1)不同木材的花紋具有明顯的特征性，木材的材色、光澤、紋理和花紋等均有所不同，這與組成木材的細(xì)胞種類、形狀和排列相關(guān)。

(2)木材表面特征紋理其中信息熵、對(duì)比度、能量越大表示該超像素塊的紋理越復(fù)雜，顏色跳躍越大；同質(zhì)性和相關(guān)性數(shù)值越大，其對(duì)應(yīng)的超像素塊的紋理越平滑，顏色均勻；自相關(guān)函數(shù)圖中，數(shù)字下降變化趨勢越大對(duì)應(yīng)圖像的紋理就越復(fù)雜，自相關(guān)函數(shù)可以初步判斷對(duì)比出圖像的粗糙程度。

(3)通過對(duì)各種紋理算法及所提取的特征參數(shù)進(jìn)行了綜合比較和分析，可以發(fā)現(xiàn)對(duì)特征提取的各個(gè)參數(shù)來說，由于特征本身的固有特性、各紋理之間的差異及同一類紋理之間差異的存在，各個(gè)特征描述各類紋理的精度也是不一樣的。

(4)木材紋理的定量化研究具有科學(xué)與實(shí)用雙重價(jià)值，不但可解決木材科學(xué)研究中的難題，填補(bǔ)此類內(nèi)容的空白，還有助于推動(dòng)木材科學(xué)與多學(xué)科知識(shí)的相互聯(lián)合，研究成果對(duì)指導(dǎo)木材的加工和應(yīng)用具有重要意義。