灰度共生矩阵(GLCM)
算法简介
灰度共生矩阵法(GLCM, Gray - level co - occurrence matrix),就是通过计算灰度图像得到它的共生矩阵,然后透过计算该共生矩阵得到矩阵的部分特征值,来分别代表图像的某些纹理特征(纹理的定义仍是难点)。灰度共生矩阵能反映图像灰度关于方向、相邻间隔、变化幅度等综合信息,它是分析图像的局部模式和它们排列规则的基础。 (灰度共生矩阵理论的前辈Haralick等人用灰度共生矩阵提出了14中特征值)对于灰度共生矩阵的理解,需要明确几个概念:方向,偏移量和灰度共生矩阵的阶数。
方向:一般计算过程会分别选在几个不同的方向来进行,常规的是水平方向0°,垂直90°,以及45°和135°;
步距d:中心像元(在下面的例程中进行说明);
灰度共生矩阵的阶数:与灰度图像灰度值的阶数相同,即当灰度图像灰度值阶数为N时,灰度共生矩阵为N × N的矩阵;
算法实现过程:
step 1/6:灰度矩阵图
灰度矩阵图获取,计算公式简单。
step 2/6:灰度级量化
灰度级量化,由于一般计算的灰度级256,效率太低,量化成8或者16级,并且量化前先直方图均衡化提高对比度先。