Matlab中实现灰度共生矩阵

原文地址：Matlab中实现灰度共生矩阵 作者：louis

%**************************************************************************
%                                    图像检索——纹理特征
%基于共生矩阵纹理特征提取，d=1,θ=0°,45°,90°,135°共四个矩阵
%所用图像灰度级均为256
%参考《基于颜色空间和纹理特征的图像检索》
%function : T=Texture(Image)
%Image      : 输入图像数据
%T              : 返回八维纹理特征行向量
%**************************************************************************
% function T = Texture(Image)
Gray = imread('d:result5.bmp');
[M,N,O] = size(Gray);
M = 128;
N = 128;

%--------------------------------------------------------------------------
%1.将各颜色分量转化为灰度
%--------------------------------------------------------------------------
% Gray = double(0.3*Image(:,:,1)+0.59*Image(:,:,2)+0.11*Image(:,:,3));

%--------------------------------------------------------------------------
%2.为了减少计算量，对原始图像灰度级压缩，将Gray量化成16级
%--------------------------------------------------------------------------
for i = 1:M
      for j = 1:N
              for n = 1:256/16
                      if (n-1)*16<=Gray(i,j)&Gray(i,j)<=(n-1)*16+15
                              Gray(i,j) = n-1;
                      end
              end
      end
end

%--------------------------------------------------------------------------
%3.计算四个共生矩阵P,取距离为1，角度分别为0,45,90,135
%--------------------------------------------------------------------------
P = zeros(16,16,4);
for m = 1:16
      for n = 1:16
              for i = 1:M
                      for j = 1:N
                              if j<N&Gray(i,j)==m-1&Gray(i,j+1)==n-1
                                      P(m,n,1) = P(m,n,1)+1;
                                      P(n,m,1) = P(m,n,1);
                              end
                              if i>1&j<N&Gray(i,j)==m-1&Gray(i-1,j+1)==n-1
                                      P(m,n,2) = P(m,n,2)+1;
                                      P(n,m,2) = P(m,n,2);
                              end
                              if i<M&Gray(i,j)==m-1&Gray(i+1,j)==n-1
                                      P(m,n,3) = P(m,n,3)+1;
                                      P(n,m,3) = P(m,n,3);
                              end
                              if i<M&j<N&Gray(i,j)==m-1&Gray(i+1,j+1)==n-1
                                      P(m,n,4) = P(m,n,4)+1;
                                      P(n,m,4) = P(m,n,4);
                              end
                      end
              end
              if m==n
                      P(m,n,:) = P(m,n,:)*2;
              end
      end
end

%%---------------------------------------------------------
% 对共生矩阵归一化
%%---------------------------------------------------------
for n = 1:4
      P(:,:,n) = P(:,:,n)/sum(sum(P(:,:,n)));
end

%--------------------------------------------------------------------------
%4.对共生矩阵计算能量、熵、惯性矩、相关4个纹理参数
%--------------------------------------------------------------------------
H = zeros(1,4);
I = H;
Ux = H;          Uy = H;
deltaX= H;  deltaY = H;
C =H;
for n = 1:4
      E(n) = sum(sum(P(:,:,n).^2)); %%能量
      for i = 1:16
              for j = 1:16
                      if P(i,j,n)~=0
                              H(n) = -P(i,j,n)*log(P(i,j,n))+H(n); %%熵
                      end
                      I(n) = (i-j)^2*P(i,j,n)+I(n);  %%惯性矩
                   
                      Ux(n) = i*P(i,j,n)+Ux(n); %相关性中μx
                      Uy(n) = j*P(i,j,n)+Uy(n); %相关性中μy
              end
      end
end
for n = 1:4
      for i = 1:16
              for j = 1:16
                      deltaX(n) = (i-Ux(n))^2*P(i,j,n)+deltaX(n); %相关性中σx
                      deltaY(n) = (j-Uy(n))^2*P(i,j,n)+deltaY(n); %相关性中σy
                      C(n) = i*j*P(i,j,n)+C(n);                       
              end
      end
      C(n) = (C(n)-Ux(n)*Uy(n))/deltaX(n)/deltaY(n); %相关性   
end

%--------------------------------------------------------------------------
%求能量、熵、惯性矩、相关的均值和标准差作为最终8维纹理特征
%--------------------------------------------------------------------------
a1 = mean(E)   
b1 = sqrt(cov(E))

a2 = mean(H)
b2 = sqrt(cov(H))

a3 = mean(I) 
b3 = sqrt(cov(I))

a4 = mean(C)
b4 = sqrt(cov(C))

sprintf('0,45,90,135方向上的能量依次为： %f, %f, %f, %f',E(1),E(2),E(3),E(4))  % 输出数据;
sprintf('0,45,90,135方向上的熵依次为： %f, %f, %f, %f',H(1),H(2),H(3),H(4))  % 输出数据;
sprintf('0,45,90,135方向上的惯性矩依次为： %f, %f, %f, %f',I(1),I(2),I(3),I(4))  % 输出数据;
sprintf('0,45,90,135方向上的相关性依次为： %f, %f, %f, %f',C(1),C(2),C(3),C(4))  % 输出数据;