灰度共生矩阵

        颜色、纹理、形态等特征是图像的主要特征，基于纹理特征的局部阈值法进行图像二值化方法备受关注。通过图像处理技术获得图像中纹理的定量或定性描述，并以此作为图像二值化的依据。

        纹理一般由灰度分布在空间位置上反复出现而形成的模式，在图像控件中某种位置关系的像素之间存在的灰度关系，成为图像的灰度空间相关。由Haralick等人提出的灰度共生矩阵（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，由于其描述纹理的有效性，使其在纹理分析中有着广泛的应用。

        Haralick从纯数学角度研究了图像纹理中灰度级的空间依赖关系，根据图像中各像素之间的角度方位和距离关系构造一个共生矩阵，从中提取有意义的统计特征作为图像纹理同恶相党表示，如能量、熵、相关系数和惯量等，表示纹理的稀疏度、对比度、繁忙度、复杂度机器纹理理力度等特性，在许多基于内容的图像识别系统中得到了广泛的研究和应用。Mari等人利用灰度共生矩阵纹理特性对具有不同表面纹理的岩石图像库进行检索实验，灰度共生矩阵纹理更适用于描述没有明显方向的图像纹理等特性。除了用来描述图像的纹理特性外，共生矩阵还可以用来描述图像中像素的空间分布信息。

        Huang等人所提出的颜色相关图特征，充分利用颜色特征和灰度共生矩阵特征的特点，通过强调同一颜色在图像中的空间距离相关性，取得了比颜色直方图等颜色特征好的效果。Gagaudakis等人则在灰度共生矩阵中提取纹理特征，用以产生图像的纹理直方图，辅助进行基于颜色及其空间分布的图像理解。