圖像特征與理解

1、 圖像特征與理解 1 圖像的幾何特征圖像的幾何特征 2 形狀特征形狀特征 3 紋理分析紋理分析 4 其他特征或描述其他特征或描述 1 圖像的幾何特征圖像的幾何特征 圖像的幾何特征盡管比較直觀和簡單，但在許多圖像分析問題中起著十分重要的作用。提取圖像的幾何特征之前，常對圖像進行分割和二值化處理，即處理成只有0和1兩種值的黑白圖像。在圖像分析和計算機視覺系統(tǒng)中，二值圖像及其幾何特征特別有用，可用來分類、檢驗、定位、軌跡跟蹤等任務。下面介紹常用的一些幾何特征。圖6-1 物體位置由質(zhì)心表示 1.1 位置與方向位置與方向 1. 位置位置 yxO(xi, yj) 圖像中的物體通常并不是一個點，因此，用物體

2、的面積的中心點作為物體的位置。面積中心就是單位面積質(zhì)量恒定的相同形狀圖形的質(zhì)心O（見圖6-1）。因二值圖像質(zhì)量分布是均勻的， 故質(zhì)心和形心重合。若圖像中的物體對應的像素位置坐標為(xi, yj) (i=0, 1, , n1；j=0, 1, , m1)，則可用下式計算質(zhì)心位置坐標： 101010101,1mjjnimjiniymnyxmnx(6-1) 2. 方向方向 我們不僅需要知道圖像中物體的位置，而且還要知道物體在圖像中的方向。確定物體的方向有一定難度。如果物體是細長的， 則可以把較長方向的軸定為物體的方向。如圖6-2所示，通常， 將最小二階矩軸（最小慣量軸在二維平面上的等效軸）定義為較長物

3、體的方向。也就是說，要找出一條直線，使下式定義的E值最?。?dydxyxfrE),(2式中，r是點（x , y）到直線的垂直距離。 (6-2) 圖6-2 物體方向可由最小慣量軸定義 1.2 周長周長 區(qū)域的周長即區(qū)域的邊界長度。一個形狀簡單的物體用相對較短的周長來包圍它所占有面積內(nèi)的像素， 周長就是圍繞所有這些像素的外邊界的長度。通常， 測量這個長度時包含了許多90的轉(zhuǎn)彎，從而夸大了周長值。區(qū)域的周長在區(qū)別具有簡單或復雜形狀物體時特別有用。由于周長的表示方法不同， 因而計算方法也不同，常用的簡便方法如下： (1) 當把圖像中的像素看作單位面積小方塊時，則圖像中的區(qū)域和背景均由小方塊組成。區(qū)域的

4、周長即為區(qū)域和背景縫隙的長度和，此時邊界用隙碼表示。因此，求周長就是計算隙碼的長度。 (2) 當把像素看作一個個點時，則周長用鏈碼表示，求周長也即計算鏈碼長度。周長也可以簡單地從物體分塊文件中通過計算邊界上相鄰像素的中心距離的和得到。 (3) 周長用邊界所占面積表示， 也即邊界點數(shù)之和， 每個點占面積為1的一個小方塊。 1.3 面積面積 面積是物體的總尺寸的一個方便的度量。面積只與該物體的邊界有關(guān)， 而與其內(nèi)部灰度級的變化無關(guān)。一個形狀簡單的物體可用相對較短的周長來包圍它所占有的面積。 1. 像素計數(shù)面積像素計數(shù)面積 最簡單的(未校準的)面積計算方法是統(tǒng)計邊界內(nèi)部(也包括邊界上)的像素的數(shù)目。

5、在這個定義下面積的計算非常簡單， 求出域邊界內(nèi)像素點的總和即可，計算公式如下： MyNxyxfA11),( 對二值圖像而言，若用1表示物體，用0表示背景，其面積就是統(tǒng)計f (x , y) =1的個數(shù)。 (6-3) 2. 由邊界行程碼或鏈碼計算面積由邊界行程碼或鏈碼計算面積3. 用邊界坐標計算面積用邊界坐標計算面積 Green（格林）定理表明，在x-y平面中的一個封閉曲線包圍的面積由其輪廓積分給定，即)(21ydxxdyA(6-4) 其中，積分沿著該閉合曲線進行。將其離散化，式（6-4）變?yōu)?bbNiiiiiNiiiiiiiyxyxxxyyyxA11111121)()(21(6-5) 式中，Nb

6、為邊界點的數(shù)目。 1.4 長軸和短軸長軸和短軸 當物體的邊界已知時，用其外接矩形的尺寸來刻畫它的基本形狀是最簡單的方法， 如圖6-3(a)所示。求物體在坐標系方向上的外接矩形， 只需計算物體邊界點的最大和最小坐標值，就可得到物體的水平和垂直跨度。但是，對任意朝向的物體， 水平和垂直并非是我們感興趣的方向。這時，就有必要確定物體的主軸， 然后計算反映物體形狀特征的主軸方向上的長度和與之垂直方向上的寬度，這樣的外接矩形是物體的最小外接矩形（Minimum Enclosing Rectangle， MER）。 計算MER的一種方法是，將物體的邊界以每次3左右的增量在90范圍內(nèi)旋轉(zhuǎn)。每旋轉(zhuǎn)一次記錄一次

7、其坐標系方向上的外接矩形邊界點的最大和最小x、y值。旋轉(zhuǎn)到某一個角度后，外接矩形的面積達到最小。取面積最小的外接矩形的參數(shù)為主軸意義下的長度和寬度，如圖6-3(b)所示。此外，主軸可以通過矩（Moments）的計算得到，也可以用求物體的最佳擬合直線的方法求出。 圖6-3 MER法求物體的長軸和短軸（a） 坐標系方向上的外接矩形；（b） 旋轉(zhuǎn)物體使外接矩形最小 外接矩形最小外接矩形xyxyO(a)(b)O1.5 距離距離 圖像中兩點P( x , y )和Q( u , v )之間的距離是重要的幾何性質(zhì)，常用如下三種方法測量： （1） 歐幾里德距離： 22)()(),(vyuxQPde(6-6) （

8、2） 市區(qū)距離： |),(4vyuxQPd(6-7) （3）棋盤距離： |)| |,max(|),(8vyuxQPd(6-8) 顯然，以P為起點的市區(qū)距離小于等于t（t=1, 2, ）的點形成以P為中心的菱形。圖6-4(a)為t2時用點的距離表示的這些點。可見， d4(P , Q)是從P到Q最短的4路徑的長度。同樣，以P為起點的棋盤距離小于等于t(t=1, 2, )的點形成以P為中心的正方形。例如， 當t2，用點的距離表示這些點時，如圖6-4（b）所示。同樣由圖可見，d8(P, Q)是從P到Q最短的8路徑的長度。 圖6-4 兩種距離表示法（a）d4(P, Q)2; (b) d8(P, Q)2

9、d4、d8計算簡便，且為正整數(shù)，因此常用來測距離，而歐幾里德距離很少被采用。 22122101221222222221112210122111222222(a)(b)2 形形 狀狀 特特 征征 2.1 矩形度矩形度 矩形度反映物體對其外接矩形的充滿程度，用物體的面積與其最小外接矩形的面積之比來描述，即 MEROAAR (6-9) 式中，AO是該物體的面積，而AMER是MER的面積。 R的值在01之間，當物體為矩形時，R取得最大值1.0；圓形物體的R取值為/4； 細長的、彎曲的物體的R的取值變小。 另外一個與形狀有關(guān)的特征是長寬比r： MERMERLWr (6-10) r即為MER寬與長的比值。

10、利用r可以將細長的物體與圓形或方形的物體區(qū)分開來。2.2 圓形度圓形度 1. 致密度致密度C 度量圓形度最常用的是致密度， 即周長(P)的平方與面積(A)的比: APC2（6-11） 2. 邊界能量邊界能量E 邊界能量是圓形度的另一個指標。假定物體的周長為P，用變量p表示邊界上的點到某一起始點的距離。邊界上任一點都有一個瞬時曲率半徑r(p)，它是該點與邊界相切圓的半徑(見圖6-5)。p點的曲率函數(shù)是 )(1)(prpK 函數(shù)K(p)是周期為P的周期函數(shù)?？捎孟率接嬎銌挝贿吔玳L度的平均能量： pdppKPE02|)(|1在面積相同的條件下，圓具有最小邊界能量E0(2P)2=(1R)2，其中R為圓

11、的半徑。曲率可以很容易地由鏈碼算出，因而邊界能量也可方便算出。 （6-13） （6-12） 圖6-5 曲率半徑 3. 圓形性圓形性 圓形性（Circularity）C是一個用區(qū)域R的所有邊界點定義的特征量，即RRC（6-14） 式中, R是從區(qū)域重心到邊界點的平均距離，R是從區(qū)域重心到邊界點的距離均方差： 21010|),(),(|1|),(),(|1RKkkkRKkkkRyxyxKyxyxK（6-15） （6-16） 當區(qū)域R趨向圓形時，特征量C是單調(diào)遞增且趨向無窮的，它不受區(qū)域平移、旋轉(zhuǎn)和尺度變化的影響，可以推廣用于描述三維目標。 4. 面積與平均距離平方的比值面積與平均距離平方的比值 圓

12、形度的第四個指標利用了從邊界上的點到物體內(nèi)部某點的平均距離d，即 NiixNd11(6-17) 式中，xi是從具有N個點的物體中的第i個點到與其最近的邊界點的距離。相應的形狀度量為 NiixNdAg13(6-18) 2.3 球狀性球狀性 球狀性(Sphericity) S既可以描述二維目標也可以描述三維目標，其定義為 cirrS （6-19） 在二維情況下，ri代表區(qū)域內(nèi)切圓(Inscribed circle)的半徑， 而rc代表區(qū)域外接圓(Circumscribed circle)的半徑，兩個圓的圓心都在區(qū)域的重心上，如圖6-6所示。 當區(qū)域為圓時, 球狀性的值S達到最大值1.0，而當區(qū)域為

13、其他形狀時，則有S1.0。S不受區(qū)域平移、旋轉(zhuǎn)和尺度變化的影響。 圖6-6 球狀性定義示意圖ri重心rc2.4 不變矩不變矩 1. 矩的定義矩的定義對于二元有界函數(shù)f ( x , y )，它的( j + k )階矩為 , 2 , 1 , 0,),(kjdxdyyxfyxMkjjk（6-20） 由于j和k可取所有的非負整數(shù)值，因此形成了一個矩的無限集。而且，這個集合完全可以確定函數(shù)f (x，y)本身。換句話說， 集合Mjk 對于函數(shù)f (x，y)是惟一的，也只有f(x，y)才具有這種特定的矩集。 為了描述物體的形狀，假設f (x，y)的目標物體取值為1，背景為0，即函數(shù)只反映了物體的形狀而忽略其

14、內(nèi)部的灰度級細節(jié)。 參數(shù)jk稱為矩的階。特別地，零階矩是物體的面積， 即dxdyyxfM),(00(6-21) 對二維離散函數(shù)f (x，y)，零階矩可表示為 MyNxyxfM1100),(6-22) 所有的一階矩和高階矩除以M00后，與物體的大小無關(guān)。 2. 質(zhì)心坐標與中心矩質(zhì)心坐標與中心矩 當j=1, k=0時，M10對二值圖像來講就是物體上所有點的x坐標的總和，類似地，M01就是物體上所有點的y坐標的總和，所以 00010010,MMyMMx就是二值圖像中一個物體的質(zhì)心的坐標。 為了獲得矩的不變特征，往往采用中心矩以及歸一化的中心矩。中心矩的定義為 MykjNxjkyxfyyxxM11),

15、()()(6-23) (6-24) 3. 主軸主軸使二階中心矩從11變得最小的旋轉(zhuǎn)角可以由下式得出： 02201122tan(6-25) 將x、y軸分別旋轉(zhuǎn)角得坐標軸x、y，稱為該物體的主軸。式9-28中在為90時的不確定性可以通過如下條件限定解決： 0,300220 如果物體在計算矩之前旋轉(zhuǎn)角，或相對于x、 y軸計算矩，那么矩具有旋轉(zhuǎn)不變性。 4. 不變矩不變矩 相對于主軸計算并用面積歸一化的中心矩， 在物體放大、 平移、 旋轉(zhuǎn)時保持不變。只有三階或更高階的矩經(jīng)過這樣的規(guī)一化后不能保持不變性。 對于j+k 2, 3, 4的高階矩，可以定義歸一化的中心矩為 12,)(00kjrMMrjkjk

16、利用歸一化的中心矩，可以獲得六個不變矩組合，這些組合對于平移、旋轉(zhuǎn)、尺度等變換都是不變的，它們是： (6-26) )(4)()()(3)()(3()(3)()(3()()()3()3(4)(21032130112032121230022062301222103213021032032121230120312305221032123042210321230321120220202201hhhhhh(6-27a) (6-27b) (6-27c) (6-27d) (6-27e) (6-27f) 不變矩及其組合具備了好的形狀特征應具有的某些性質(zhì)， 已經(jīng)用于印刷體字符的識別、飛機形狀區(qū)分、景物匹配和染色

17、體分析中，但它們并不能確保在任意情況下都具有這些性質(zhì)。一個物體形體的惟一性體現(xiàn)在一個矩的無限集中，因此，要區(qū)別相似的形體需要一個很大的特征集。這樣所產(chǎn)生的高維分類器對噪聲和類內(nèi)變化十分敏感。在某些情況下，幾個階數(shù)相對較低的矩可以反映一個物體的顯著形狀特征。 2.5 偏心率偏心率 偏心率(Eccentricity)E也可叫伸長度(Elongation)，它在一定程度上描述了區(qū)域的緊湊性。偏心率E有多種計算公式, 一種常用的簡單方法是區(qū)域主軸（長軸）長度(A)與輔軸（短軸）長度(B)的比值， 如圖6-7所示。圖中，主軸與輔軸相互垂直，且其長度是兩方向的最大值。不過這樣的計算受物體形狀和噪聲的影響比

18、較大。另一種方法是計算慣性主軸比，它基于邊界線上的點或整個區(qū)域來計算質(zhì)量。Tenebaum提出了計算任意點集偏心度的近似公式， 步驟如下： 圖6-7 偏心率度量：A/B（1）計算平均向量: NiiNiiyNyxNx11001,1(6-28) （2）計算jk階中心矩: kiNiNijijkyyxxM)()(0110(6-29) （3）計算方向角: 22tan210220111NMMM（4） 計算偏心度的近似值: AMMME11202204)(6-30) (6-31) 2.6 形狀描述子形狀描述子 1. 邊界鏈碼邊界鏈碼 鏈碼是對邊界點的一種編碼表示方法，其特點是利用一系列具有特定長度和方向的相連

19、的直線段來表示目標的邊界。因為每個線段的長度固定而方向數(shù)目有限， 所以只有邊界的起點需要用絕對坐標表示，其余點都可只用接續(xù)方向來代表偏移量。由于表示一個方向數(shù)比表示一個坐標值所需比特數(shù)少，而且對每一個點又只需一個方向數(shù)就可以代替兩個坐標值，因此鏈碼表達可大大減少邊界表示所需的數(shù)據(jù)量。 數(shù)字圖像一般是按固定間距的網(wǎng)格采集的，因此最簡單的鏈碼是跟蹤邊界并賦給每兩個相鄰像素的連線一個方向值。常用的有4方向和8方向鏈碼，其方向定義分別如圖6-8(a)、(b)所示。它們的共同特點是直線段的長度固定，方向數(shù)有限。 圖6-8 碼值與方向?qū)P(guān)系(a) 4方向鏈碼； (b) 8方向鏈碼； (c) 邊界編碼圖形

20、 0123012345670(a)(b)(c) 對圖6-9(c)所示邊界，若設起始點O的坐標為（5，5），則分別用如下4方向和8方向鏈碼表示區(qū)域邊界：4方向鏈碼： （5， 5）1 1 1 2 3 2 3 2 3 0 0 ； 8方向鏈碼： （5， 5）2 2 2 4 5 5 6 0 0 。 實際中直接對分割所得的目標邊界進行編碼有可能出現(xiàn)兩個問題：一是碼串比較長；二是噪聲等干擾會導致小的邊界變化從而使鏈碼發(fā)生與目標整體形狀無關(guān)的較大變動。常用的改進方法是對原邊界以較大的網(wǎng)格重新采樣，并把與原邊界點最接近的大網(wǎng)格點定為新的邊界點。這種方法也可用于消除目標尺度變化鏈碼的影響。 使用鏈碼時，起點的選擇

21、常是很關(guān)鍵的。對同一個邊界， 如用不同的邊界點作為鏈碼的起點，得到的鏈碼則是不同的。為解決這個問題可把鏈碼歸一化，下面介紹一種具體的做法。 給定一個從任意點開始產(chǎn)生的鏈碼，我們可把它看作一個由各方向數(shù)構(gòu)成的自然數(shù)。首先，將這些方向數(shù)依一個方向循環(huán)，以使它們所構(gòu)成的自然數(shù)的值最小；然后，將這樣轉(zhuǎn)換后所對應的鏈碼起點作為這個邊界的歸一化鏈碼的起點。 2. 一階差分鏈碼一階差分鏈碼 用鏈碼表示給定目標的邊界時，如果目標平移，鏈碼不會發(fā)生變化， 而如果目標旋轉(zhuǎn)則鏈碼會發(fā)生變化。為解決這個問題， 可利用鏈碼的一階差分來重新構(gòu)造一個表示原鏈碼各段之間方向變化的新序列，這相當于把鏈碼進行旋轉(zhuǎn)歸一化。差分可用

22、相鄰兩個方向數(shù)按反方向相減(后一個減去前一個)得到。如圖6-9所示， 上面一行為原鏈碼(括號中為最右一個方向數(shù)循環(huán)到左邊)，下面一行為上面一行的數(shù)兩兩相減得到的差分碼。左邊的目標在逆時針旋轉(zhuǎn)90后成為右邊的形狀，可見，原鏈碼發(fā)生了變化，但差分碼并沒有變化。 圖6-9 利用一階差分對鏈碼旋轉(zhuǎn)歸一化 逆時針旋轉(zhuǎn)900122330100213312(2) 1010332233133030(3) 2121003 3331330303 紋理分析紋理分析 有時，物體在紋理上與其周圍背景和其他物體有區(qū)別，這時，圖像分割必須以紋理為基礎(chǔ)。紋理是圖像分析中常用的概念，但目前尚無統(tǒng)一的定義。紋理(Tuxture)

23、一詞最初指纖維物的外觀， 一般來說，可以認為紋理是由許多相互接近的、 互相編織的元素構(gòu)成， 它們富有周期性。可將紋理定義為“任何事物構(gòu)成成分的分布或特征， 尤其是涉及外觀或觸覺的品質(zhì)”。與圖像分析直接有關(guān)的定義是“一種反映一個區(qū)域中像素灰度級的空間分布的屬性”。 人工紋理是某種符號的有序排列， 這些符號可以是線條、 點、 字母等，是有規(guī)則的。自然紋理是具有重復排列現(xiàn)象的自然景象， 如磚墻、 森林、 草地等照片， 往往是無規(guī)則的。圖6-10 人工紋理與自然紋理(a) 人工紋理； （b）自然紋理 (a)(b) 認識紋理有兩種方法：一是憑人們的直觀影響，一是憑圖像本身的結(jié)構(gòu)。從直觀影響的觀點出發(fā)就會

24、產(chǎn)生多種不同的統(tǒng)計紋理特征， 當然可以采用統(tǒng)計方法對紋理進行分析。從圖像結(jié)構(gòu)的觀點出發(fā)，則認為紋理是結(jié)構(gòu)， 紋理分析應該采用句法結(jié)構(gòu)方法。那么，如何對一幅圖像中區(qū)域的紋理進行度量呢？一般常用如下三種方法描述和度量紋理： 統(tǒng)計法、 結(jié)構(gòu)法、頻譜法。下面分別介紹這三種方法。 3.1 統(tǒng)計法統(tǒng)計法 統(tǒng)計法是利用灰度直方圖的矩來描述紋理的， 可分為灰度差分統(tǒng)計法和行程長度統(tǒng)計法。 1. 灰度差分統(tǒng)計法灰度差分統(tǒng)計法 設(x, y)為圖像中的一點，該點與和它只有微小距離的點(x+x, y+y)的灰度差值為 ),(),(),(yyxxgyxgyxg g稱為灰度差分。設灰度差分的所有可能取值共有m級，令點(

25、x, y)在整個畫面上移動，累計出g(x, y)取各個數(shù)值的次數(shù)， 由此便可以作出g(x, y)的直方圖。由直方圖可以知道g(x, y)取值的概率p(i)。 (6-32) 當采用較小i值的概率p(i)較大時，說明紋理較粗糙；概率較平坦時，說明紋理較細。 該方法采用以下參數(shù)描述紋理圖像的特征： （1） 對比度： iipiCON)(2(6-23)（2） 角度方向二階矩: iipASM2)(6-34)（3） 熵: iipipENT)(lg)(6-35)（4）平均值: iiipmMEAN)(1(6-36) 在上述公式中，p(i)較平坦時， ASM較小，ENT較大；若p(i)分布在原點附近，則MEAN值

26、較小。 2. 行程長度統(tǒng)計法行程長度統(tǒng)計法 設點(x , y)的灰度值為g，與其相鄰點的灰度值也可能為g， 統(tǒng)計出從任一點出發(fā)沿方向上連續(xù)n個點都具有灰度值g這種情況發(fā)生的概率，記為p(g, n )。在同一方向上具有相同灰度值的像素個數(shù)稱為行程長度。由p(g, n)可以定義出能夠較好描述紋理特征的如下參數(shù)： （1） 長行程加重法： ngngngpngpnLRE,2),(),(6-37) （2） 灰度值分布： nggnngpngpGLD,2),(),(6-38) （3）行程長度分布： nggnngpngpRLD,),(),(6-39) （4）行程比： 2,),(NngpRPGng(6-40) 式

27、中，N2為像素總數(shù)。 3.2 用空間自相關(guān)函數(shù)作紋理測度用空間自相關(guān)函數(shù)作紋理測度 紋理常用它的粗糙性來描述。例如，在相同的觀看條件下， 毛料織物要比絲織品粗糙。粗糙性的大小與局部結(jié)構(gòu)的空間重復周期有關(guān)，周期大的紋理細。這種感覺上的粗糙與否不足以定量紋理的測度，但可說明紋理測度變化傾向。即小數(shù)值的紋理測度表示細紋理，大數(shù)值紋理測度表示粗紋理。 用空間自相關(guān)函數(shù)作紋理測度的方法如下： 設圖像為f (m, n)，自相關(guān)函數(shù)可由下式定義： wkwknwjwjmwkwknwjwjmnmfnmfnmfkjC2),(),(),(),(（6-41） 式（6-46）是對（2w+1）(2w+1)窗口內(nèi)的每一個像

28、素點（j , k）與偏離值為, =0, 1, 2, , T的像素之間的相關(guān)值進行計算。一般紋理區(qū)對給定偏離（, ）時的相關(guān)性要比細紋理區(qū)高，因而紋理粗糙性與自相關(guān)函數(shù)的擴展成正比。自相關(guān)函數(shù)擴展的一種測度是二階矩， 即 ),(),(22kjCkjTkTjT（6-42） 3.3 頻譜法頻譜法 頻譜法借助于傅立葉頻譜的頻率特性來描述周期的或近乎周期的二維圖像模式的方向性。常用的三個性質(zhì)是： (1) 傅立葉頻譜中突起的峰值對應紋理模式的主方向; (2) 這些峰在頻域平面的位置對應模式的基本周期; (3) 如果利用濾波把周期性成分除去， 剩下的非周期性部分可用統(tǒng)計方法描述。 實際檢測中，為簡便起見可把

29、頻譜轉(zhuǎn)化到極坐標系中, 此時頻譜可用函數(shù)S(r, )表示，如圖6-11所示。對每個確定的方向， S(r, )是一個一維函數(shù)S(r)；對每個確定的頻率r，S(r, )是一個一維函數(shù)Sr()。對給定的，分析S(r)得到的頻譜沿原點射出方向的行為特性；對給定的r，分析Sr()得到的頻譜在以原點為中心的圓上的行為特性。如果把這些函數(shù)對下標求和可得到更為全局性的描述，即 )()(0rSrS(6-43) )()(1RrrSS(6-44) 式中，R是以原點為中心的圓的半徑。 S(r)和S()構(gòu)成整個圖像或圖像區(qū)域紋理頻譜能量的描述。圖6-11(a)、 (b) 給出了兩個紋理區(qū)域和頻譜示意圖，比較兩條頻譜曲線可看出兩種紋理的朝向區(qū)別，還可從頻譜曲線計算它們的最大值的位置等。 圖6-11 紋理和對應的頻譜示意圖 0(a)S()(b)0S()223.4 聯(lián)合概率矩陣法聯(lián)合概率矩陣法 聯(lián)合概率矩陣法是對圖像的所有像素進行統(tǒng)計調(diào)查，以便描述其灰度