纹理是图像中一个重要的特征。纹理分析是图像理解、分析与识别的重要研究内容,具有广泛的应用前景。本文针对显微细胞图像,介绍了早期和近期的多种纹理分析方法,比较了各种算法的优劣,并根据细胞图像的特点,对已有算法做出了改进,提出了一些新的算法,实现了对不同类型细胞纹理的描述。主要内容包括: 1.改进的综合灰度共生矩阵法。针对低倍显微细胞图像,指出了传统灰度共生矩阵法在纹理分析上的不足。根据各个方向的加权系数和灰度共生矩阵,计算出综合灰度共生矩阵。利用综合灰度共生矩阵的纹理特征参数描述细胞的纹理特征。通过对11个纹理特征参数相关性的分析,去掉了多余的特征参数,最终选取了其中四个参数。分析了距离对纹理特征参数的影响,选取了合适的距离参数。 2.针对20倍显微细胞图像,提出了拓扑分析法。根据细胞内部的拓扑结构,用阈值分割法和算子分割法实现细胞图像的区域分割,得到二值图像。在算子法中,采用了Sobel、Prewitt、Laplacian三种算子。用有条件的区域增长算法检测二值图像的区域,求出拓扑特征。 3.针对20倍显微细胞图像中的结晶,提出了模板匹配法。根据结晶的外部形状和内部纹理特征,建立数学模型。根据细胞的象素点个数和横纵坐标极值,求出旋转角度,得到细胞的匹配模板,计算模板的匹配率。 4.VC++编程实现了上述纹理分析算法,并分析了算法的性能,验证了算法的合理性。