图像差分盒维数计算系统

资 源 简 介

该项目是基于经典学术文献理论实现的差分盒维数（Differential Box-Counting, DBC）计算程序。差分盒维数是一种用于量化数字图像表面复杂程度和分形特性的重要指标，广泛应用于纹理识别、图像分割、材料表面粗糙度分析以及医学影像处理。核心实现流程是将二维灰度图像视为三维空间中的曲面，即（x, y）位置对应其灰度值z。算法通过将图像平面划分为不同尺寸（s）的网格，在每个网格区域内计算图像灰度值的最大值和最小值跨越的盒子层级差，从而确定覆盖该区域所需的盒子总数。通过在不同尺度s下迭代计算，程序

详 情 说 明

图像差分盒维数（DBC）计算系统

项目介绍

本项目是一个基于MATLAB开发的图像分形特征分析工具，专门用于计算数字图像的差分盒维数（Differential Box-Counting, DBC）。该系统将图像的灰度分布视为三维空间中的地形曲面，通过改变观察尺度（网格尺寸）并统计覆盖该曲面所需的“盒子”数量，利用分形几何理论量化图像表面的复杂程度、粗糙度以及空间自相似性。该工具可广泛应用于纹理识别、医学影像分析、材料表面评估等科研领域。

功能特性

• 灵活的图像输入：支持用户交互式选择本地图像文件（jpg, png, bmp, tif），同时内置了基于随机噪声与分型滤波生成的合成纹理演示功能，确保在无外部输入时程序仍可运行。
• 自动化预处理：自动进行灰度化处理，并将图像裁剪为2的整数次幂正方形尺寸（如256x256），以优化分块计算效率。
• 多尺度分析：预设了从2到64像素的多个尺度序列，支持对待处理图像进行深度的多维度空间采样。
• 高精度拟合：采用最小二乘法进行线性回归，提取对数坐标系下的斜率作为分形维数指标。
• 可靠性评估：计算回归系数R²以衡量线性收敛度，并计算局部斜率分布，用以验证图像在不同尺度下的自相似性稳定性。
• 直观的可视化：同步展示原始（处理后）图像与双对数拟合曲线，并以表格形式打印详细的数据记录。

使用方法

1. 启动MATLAB软件。
2. 运行主程序脚本。
3. 在弹出的文件选择框中选择一张灰度或彩色图像；若点击取消，系统将自动生成一张模拟分形图像。
4. 程序将自动执行计算并在命令行窗口输出各项统计指标（分形维数、相关系数、计算表格）。
5. 在弹出的图形窗口中观察拟合趋势和计算结果。

系统要求

• MATLAB R2016b 或更高版本。
• 安装有 Image Processing Toolbox（图像处理工具箱）。

实现逻辑与算法细节

#### 1. 空间模型构建 程序将二维图像 $I(x, y)$ 映射为三维空间点集 $(x, y, z)$，其中 $z$ 代表对应的灰度值。对于一个 $M times M$ 分辨率且灰度级为 $G=256$ 的图像，整个计算空间被视为一个 $M times M times G$ 的立方体。

#### 2. 网格划分与尺度定义 系统定义了一组步长序列 $s$（如2, 4, 8...），将图像平面划分为 $(M/s) times (M/s)$ 个大小为 $s times s$ 的网格。在每一个网格中，盒子的单位高度 $h$ 计算公式为： $h = frac{G cdot s}{M}$ 这确保了在垂直方向上盒子的缩放比例与水平方向保持一致。

#### 3. 差分盒计数（DBC）核心逻辑 对于每一个网格块 $(i, j)$，程序通过以下步骤计算覆盖该区域所需的盒子数：

• 提取当前网格块内的最大灰度值 $g_{max}$ 和最小灰度值 $g_{min}$。
• 计算最大值落在第几个盒子层级：$l = lceil g_{max} / h rceil$。
• 计算最小值落在第几个盒子层级：$m = lceil g_{min} / h rceil$。
• 计算该网格所需的盒子总数：$n(i, j) = l - m + 1$。
• 累加所有网格的盒子数得到总数 $N_r$。

特别地，针对全黑（灰度值为0）的区域，程序做了鲁棒性处理，确保 $n(i, j)$ 至少为1。

#### 4. 分形维数提取 根据分形理论，$N_r$ 与尺度 $r$ ($r = s/M$) 满足幂律关系 $N_r propto (1/r)^D$。程序通过对数据进行对数变换： $log(N_r) = D cdot log(M/s) + C$ 利用 polyfit 函数对 $log(M/s)$ 和 $log(N_r)$ 进行一元线性拟合，拟合直线的斜率即为最终的分形维数 $D$。

#### 5. 统计输出与验证

• 拟合优度：通过残差平方和计算 $R^2$，值越接近1表示图像的分形特征越明显，计算结果越可靠。
• 局部斜率：计算相邻尺度间的斜率变化，用于分析图像在特定尺度范围内是否存在多重分形特征或结构突变。