灰度梯度共生矩阵C++实现

最新推荐文章于 2023-04-04 16:08:00 发布

潘芝

最新推荐文章于 2023-04-04 16:08:00 发布

阅读量1.3k

点赞数

分类专栏： c++

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/m0_37772527/article/details/105712693

版权

本文介绍了灰度梯度共生矩阵的计算过程，包括灰度图像和梯度图像的归一化，以及如何统计共生矩阵的元素。通过公式和代码示例展示了C++与OpenCV库的应用，用于纹理分析。

摘要由CSDN通过智能技术生成

灰度-梯度共生矩阵的元素 $H(i,j)$ 定义为在归一化的灰度图像 $F(m,n)$ 和归一化的梯度图像 $G(m,n)$ 中共同具有灰度为 $i$ 和梯度为 $j$ 的像素点数。例如 $H(10,5)=45$ ，表示图像内像素点灰度为10，梯度为5的像素点个数是45。

1.灰度归一化

$F(K,L)=INT(f(K,L)\times N_{H} /f_{M} )+1$

其中 $N_{H}$ 是归一化后的最大灰度级&#x

最低0.47元/天解锁文章

关注

0
点赞
踩
7

收藏

觉得还不错? 一键收藏
1
评论
灰度梯度共生矩阵C++实现

灰度-梯度共生矩阵的元素定义为在归一化的灰度图像和归一化的梯度图像中共同具有灰度为和梯度为的像素点数。例如，表示图像内像素点灰度为10，梯度为5的像素点个数是45。1.灰度归一化其中是归一化后的最大灰度级，取16；是原图像中最大的灰度值。2.梯度归一化首先采用下面的公式计算各点的梯度值。然后梯度归一化其中表示取整运算；是归一化后的最大梯度值，取16；是图...
复制链接

扫一扫

专栏目录

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。