灰度共生矩阵(GLCM)

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。

step 3/6：计算前的参数选择</