使用GLCM灰度共生矩阵前的处理操作

最新推荐文章于 2024-05-14 15:08:33 发布

华子来一颗

最新推荐文章于 2024-05-14 15:08:33 发布

阅读量696

点赞数

文章标签：机器学习

本文链接：https://blog.csdn.net/dongzichen2015/article/details/106091724

版权

本文介绍了一种结合灰度共生矩阵(GLCM)和局部二值模式(LBP)进行纹理特征提取的方法。首先将图像转换为灰度图，并通过直方图均衡化增强对比度，随后进行量化处理，最后利用GLCM提取多角度的纹理特征，适用于多种数据集。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

GLCM提取纹理特征还是很厉害的！尤其是和LBP相结合来使用

GLCM中有很多属性可以选择，大家可以选择适合自己数据集的最优的属性组合。

第一步：获取图像的灰度图

"files[i]为输入的图像路径"
"as_grey = True表示转换为灰度图"
"返回图像数组，其中每个值的类型为float64，范围为[0,1],分布不均匀"
image = skimage.data.load(files[i], as_grey = True)

获取图像的灰度图
第二步：图像有可能相同像素值的点很多，为了增加图像的对比度和清晰度，需要直方图均衡化。

"image 为输入的图像数组"
"nbins = 256表示像素值的柱数，可使得图形数组中的数值可在[0,1]之间有256个间隙可选"
"返回图像数组，其中每个值的类型为float64，范围为[0,1],分布均匀"
window = skimage.exposure.equalize_hist(image , nbins = 256)

window
第三步：float转8位无符号整数，可表示的范围就是[0,255]

"输入：float类型的图像数组，范围为[0,1]"
"输出：图像数组，范围[0,255]"
window = skimage.util.img_as_ubyte(skimage.exposure.equalize_hist(window, 256))

float转8位无符号整数

第四步：转化到[1,8]

"window为输入的图像数组，范围[0,255]"
"bins = np.arange(0, 256, 32)为一维单调数组"
"返回值：x在bins中的位置"
np.digitize(window, bins = np.arange(0, 256, 32))

bins
在这里插入图片描述
第五步：转化到[0,7]即8位无符号整数

wt = (np.digitize(window, np.arange(0, 256, 32))) - 1

在这里插入图片描述