MATLAB实现改进Sarkar-Chaudhuri算法的图像差分盒维数计算系统

资 源 简 介

本项目基于MATLAB实现了一种改进的差分盒维数计算方法，通过统计像素对分数维的贡献来提升精度。系统将图像划分为多尺度窗口，计算窗口平均灰度值后，遍历像素分析灰度差异，适用于图像纹理分析与分形特征提取。

详 情 说 明

基于改进Sarkar-Chaudhuri算法的图像差分盒维数计算系统

项目介绍

本项目实现了一种改进的差分盒维数计算方法，针对传统Sarkar-Chaudhuri算法进行了精度优化。通过引入基于灰度平均值的像素贡献统计机制，系统能够更精确地估计图像的分形维数。该方法适用于纹理分析、图像复杂度评估等计算机视觉领域，为图像特征提取提供了可靠的分数维度量工具。

功能特性

• 改进的像素贡献统计：通过计算窗口内每个像素相对于平均灰度的贡献值，替代传统的极值统计方法
• 多尺度窗口分割：支持自定义尺度序列，自动适配不同图像尺寸
• 精度验证机制：提供拟合相关系数R²作为质量评估指标
• 可视化支持：生成拟合过程散点图，便于结果分析和验证
• 参数可配置：支持尺度序列和窗口缩放因子的灵活设置

使用方法

基本调用

% 读取灰度图像 img = imread('texture.png'); % 计算差分盒维数 [dimension, R_squared] = main(img);

高级配置

% 自定义尺度参数 scales = [2, 4, 6, 8, 10]; % 设置缩放因子为0.8 scaling_factor = 0.8; % 带参数调用 [dimension, R_squared, Nr_data, fit_plot] = main(img, scales, scaling_factor);

输出说明

• dimension: 图像的差分盒维数值（双精度浮点数）
• R_squared: 线性拟合的确定系数（0-1之间的数值）
• Nr_data: 各尺度下的N(r)统计值数组
• fit_plot: 拟合散点图句柄（可选可视化输出）

系统要求

• 平台: MATLAB R2018b或更高版本
• 工具包: 需要图像处理工具箱（Image Processing Toolbox）
• 内存: 建议至少4GB RAM（处理大图像时需更多内存）
• 输入格式: 支持uint8或double类型的二维灰度矩阵

文件说明

主程序文件完成了系统的核心计算流程，包括图像尺度分割、窗口灰度统计、像素贡献分析、最小二乘拟合等关键操作。具体实现了多尺度窗口的自动生成、基于平均值比较的像素分类累加、改进型统计量的计算以及分数维估计值的回归拟合等功能模块。