刘自强 周铁军 傅冬和

（1.湖南交通工程学院,湖南 衡阳 421001；2.湖南农业大学信息与智能科学技术学院,湖南 长沙 410128；3.湖南农业大学园艺学院,湖南 长沙 410128）

1 茶叶纹理和分形特征的提取

1.1 纹理特征提取

纹理（texture）是由灰度分布在空间位置上反复出现而形成的。在图像空间中，相隔某距离的两个像素间存在相B关灰度关系[1]。常用的纹理特征提取方法有灰度共生矩阵和统B计矩度量方法。

1.2 灰度共生矩阵

Haralick[2]（1973）提出灰度共生矩阵，是一种通过研究灰度的空间相关特性来描述纹理的常用方法，能定量、准确地反映图像的纹理特征。计算图像中特定方向、距离的两像素点间灰度值出现的次数，得出目标图像的方向、间隔与幅度大小变化等信息，并将图像的灰度值转化为纹理特征[3]。

若图像f(x,y)大小为n×m，灰度级为L，B为f(x,y)图像的灰度共生矩阵，B(i,j)表示与参考点像素为i、距离为d、方向为θ上的像素灰度值为j的像素对出现的次数。则B(i,j)的计算方法[4]为：

从图像(x,y)灰度为i的像素出发，与两像素点角度为θ、距离为d、灰度为j的像素(x+Δx,y+Δy) 对同时出现的概率记为p(i,j,θ,d)。 当θ和d确定时，可简化为p(i,j)。 在Bi实际应用中，θ一般取等方向角度，本文根据经验值参数设定，将θ设为0，步长d设为1，则：

由灰度共生矩阵可计算出一组用来定量描述纹理特征的特征参数，常用的有熵、对比度、相关性、能量和同质性，分别介绍如下。

（1）熵（ENT），用来度量图像所具有的信息量。

若图像没有任何纹理，熵值ENT很小；若图像充满纹理，则p(i,j)值近似相等，图像的熵值也最大。……