灰度共生矩阵

最新推荐文章于 2021-04-15 19:34:15 发布
最新推荐文章于 2021-04-15 19:34:15 发布
阅读量6.6k 收藏 16
点赞数 2
分类专栏： 图像处理基础
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bestxyj/article/details/78782074
版权

灰度共生矩阵（gray level co-occurrence matrix,GLCM）是一种用来分析图像纹理特征的经典二阶统计法，大多适用于纹理分析。


这个角度还可以是0度，45度，135度。



上面是各个角度的位置分界线。

如下图的图像矩阵，90度方向的共生矩阵，只有

所以有（1,2）（2,3）（2,3）（3,3）（1,1）（1,2）（3,2）（2,1）（4,4）（4,1），就生成了灰度共生矩阵，其他角度同理可得。


图像的纹理特征不同，其共生矩阵也会明显不同。纹理比较细腻的区域，由于其像素对一般具有相同或相近的灰度，它的灰度共生矩阵中的值基本集中在主对角线，对于纹理粗糙的区域，其像素对灰度差异较大，灰度共生矩阵中的值则散布在各处。

最低0.47元/天 解锁文章
萧雅的梦
关注
  • 2
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
MATLAB 灰度共生矩阵特征提取
09-22
很好的灰度共生矩阵特征提取MATLAB代码，实用，得到了灰度共生矩阵各个特征的值。
灰度共生矩阵特征值（不错的算法）
08-04
灰度共生矩阵特征值灰度共生矩阵特征值灰度共生矩阵特征值灰度共生矩阵特征值灰度共生矩阵特征值灰度共生矩阵特征值灰度共生矩阵特征值灰度共生矩阵特征值
纹理特征提取方法——灰度共生矩阵(GLCM )
Petrichoryi的博客
04-22 4万+
灰度共生矩阵(Grey Level Co-occurrence Matrix)也叫做空间灰度级依赖矩阵(SGLDM),它是一种基于统计的纹理提取的方法。
灰度共生矩阵.zip_共生矩阵_惯性矩_灰度共生矩阵_能量
07-15
获取图像灰度共生矩阵特征值代码，包括能量、熵、惯性矩和相关度的均值和标准差，已测试，代码及注释清晰。
灰度共生矩阵（超简单理解）
热门推荐
白雪
06-01 7万+
1.灰度共生矩阵生成原理   灰度共生矩阵(GLDM)的统计方法是20世纪70年代初由R.Haralick等人提出的，它是在假定图像中各像素间的空间分布关系包含了图像纹理信息的前提下，提出的具有广泛性的纹理分析方法。   灰度共生矩阵被定义为从灰度为i的像素点出发，离开某个固定位置（相隔距离为d，方位为）的点上灰度值为的概率，即，所有估计的值可以表示成一个矩阵的形式，以此被称为灰度共生矩阵。对于纹理变化缓慢的图像，其灰度共生矩阵对角线上的数值较大；而对于纹理变化较快的图像，其灰度共生矩阵对角线上...
灰度共生矩阵：Gray-Level Co-occurrence Matrix
Mortal's blog
04-15 3068
定义 https://zhuanlan.zhihu.com/p/147066037 https://blog.csdn.net/kmsj0x00/article/details/79463376 https://blog.csdn.net/qq_36654309/article/details/106527876 https://www.cnblogs.com/rong86/p/3695621.html https://blog.csdn.net/jialeheyeshu/article/details/5
图像特征提取——灰度共生矩阵（GLCM）
远方的橄榄树
05-18 6万+
灰度共生矩阵（Gray-level Co-occurrence Matrix，GLCM）
灰度共生矩阵 Gray-Level Co-occurrence Matrix(GLCM)原理（一）
独步天秤的博客
03-18 5189
目录 重要概念 GLCM属性 如何产生对称的共生矩阵GLCM图例说明 归一化公式 产生对称的共生矩阵GLCM总结 官方说明 重要概念 neighbour pixel: 共生点 ref pixel:参考点，基准点 灰度共生矩阵（GLCM）：是一种统计表格，不是一幅图片 GLCM属性 1. 该矩阵是方形的，即N*N大小，一般为8*8, 16*16,32*32 2.它的行数和列数...
灰度梯度共生矩阵
qigeyonghuming_1的博客
11-30 1027
代码来自https://tieba.baidu.com/p/586879407?red_tag=0974275182 理论部分参考博客1：https://blog.csdn.net/qq_20823641/article/details/51475027 感谢博主 小木匠 理论部分参考博客2： https://blog.csdn.net/weixin_43897604/article/details/102875745 感谢博主 weixin_43897604 代码整理 function OUT=GrayG
灰度共生矩阵matlab代码
09-06
灰度共生矩阵matlab代码 灰度共生矩阵matlab代码
灰度共生矩阵_灰度共生矩阵_
10-01
灰度共生矩阵相关资料，包括生成灰度共生矩阵matlab代码，Matlab7工具箱中缺少的graycomatrix.m文件，以及一个通过灰度共生矩阵提取特征的matlab程序（共20多个特征），可以根据他的方法来从灰度共生矩阵中提取你...
python 计算灰度共生矩阵 纹理特征
12-22
今天学习数字图像处理课，学到灰度共生矩阵，兴起，遂敲码解之。 方法摘自百度百科： 灰度直方图是对图像上单个像素具有某个灰度进行统计的结果，而灰度共生矩阵是对图像上保持某距离的两像素分别具有某灰度的状况...
机器视觉_图像算法（三）——灰度共生矩阵(GLCM)
DONG_LIN_2019的博客
12-04 1万+
目录 灰度共生矩阵(GLCM) 算法简介 算法实现过程： step 1/6：灰度矩阵图 step 2/6：灰度级量化 step 3/6：计算前的参数选择 step 4/6：灰度共生矩阵计算 step 5/6：每个扫描窗口进行灰度共生矩阵特征值计算 step 6/6：所有特征值进行均值和方差计算，得到4个值 代码实现过程 参考 灰度共生矩阵(GLCM) 算法简介 ...
图像处理 - GLCM灰度共生矩阵如何计算
Jen_Hsueh的博客
03-09 2万+
因为最近要在OpenCV上试试各种图像分割算法的效果，其中灰度共生算法没有办法直接调用库函数，看了很多文章，其中有一篇博文讲的很清楚。 原文地址 现在按照自己的理解再复盘一遍算法过程，详细推导一下，有一些是上面那个博文搬过来的，本文只是学习笔记，以便日后查询使用。 // 在计算灰度共生矩阵前需要确定一些参数： 灰度共生矩阵灰度级，与灰度共生矩阵的阶数相同，即当灰度图像灰度级为N时，灰度共生矩阵为......
灰度共生矩阵（Gray-level Co-occurrence Matrix，GLCM）
weixin_43415436的博客
05-29 8485
1、概念： (下面这些概念我也不懂，看着就头疼，自行了解，不过应该支持原创！) 1、灰度共生矩阵(GLDM)的统计方法是20世纪70年代初由R.Haralick等人提出的，它是在假定图像中各像素间的空间分布关系包含了图像纹理信息的前提下，提出的具有广泛性的纹理分析方法。 2、灰度共生矩阵（Gray-level Co-occurrence Matrix，GLCM）,又叫做灰度共现矩阵； 3、个人理解...
图像中的灰度共生矩阵
沈春旭的博客
01-17 4779
1.图像共生矩阵的用途 纹理特征提取的一种有效方法是以灰度级的空间相关矩阵及共生矩阵为基础的。因为图像中相距（△x，△y）的两个灰度像素同时出现联合频率分布可以用灰度共生矩阵来表示。若图像的灰度定为N级，那么共生矩阵为N*N矩阵，可以表示为M(△x,△y)(g1,g2)。其中，位于(g1,g2)的元素M值表示一个为g1,而另一个灰度为g2的两个距离为(△x,△y)的像素对出现的次数。 对粗纹理
直方图均衡化
bestxyj的专栏
07-24 2410
1、直方图均衡化一来可以提高图像的对比度，二来可以把图像变换成像素值是几乎均匀分布的图像 2、直方图均衡化的作用是图像增强。 3、直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图...
灰度共生矩阵glcm
最新发布
09-06
灰度共生矩阵的原理是基于图像中相同灰度级的像素在空间上的相关性。灰度共生矩阵可以用来描述相邻像素之间的灰度级关系。具体来说，如果两个相邻像素的灰度级为(g1，g2)，并且它们相距Δx和Δy，那么灰度共生矩阵中的元素M(Δx,Δy)(h,k)表示了一个灰度为h的像素和一个灰度为k的像素在距离为Δx和Δy的位置上同时出现的次数。这些灰度对的概率分布可以用灰度共生矩阵来表示，其中矩阵的每个元素表示了相应的灰度对出现的次数。 通过计算灰度共生矩阵，我们可以提取出图像中不同灰度级之间的纹理特征。灰度共生矩阵可以用来衡量图像中不同方向和距离的纹理信息。通过对灰度共生矩阵进行统计分析，我们可以得到一些统计特征，如对比度、均值、方差和相关性等，这些特征可以用来描述图像的纹理特征。灰度共生矩阵在图像处理和模式识别中具有广泛的应用，特别是在纹理分析和纹理分类中。<span class="em">1</span><span class="em">2</span><span class="em">3</span>

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值