python灰度共生矩阵GLCM，带公式和代码

   灰度共生矩阵所代表的含义是图像的灰度值在空间的某个方向上的特点，但是如何衡量两个目标图像纹理之间的差异是不能直接使用灰度共生矩阵表示出来的，所以需要使用一个特定的模型去统计灰度共生矩阵的特性来描述纹理特性。例如Haralick HaralickHaralick曾提出了14种基于灰度共生矩阵计算出来的统计量：能量、熵、对比度、均匀性、相关性、方差、和平均、和方差、和熵、差方差、差平均、差熵、相关信息测度以及最大相关系数。

1. 逆差矩(HOMO)：测量灰度图像的局部强度的均匀性，如果局部均匀，逆差矩值较大。

 

2. 二阶矩(ASM)：又称能量，是图像均匀性的测度，图像的灰度分布越均匀的，相应的ASM值越大，反之，ASM越小。

 

3. 熵(ENT)：是衡量目标图像信息量多少的量，其中纹