转载--灰度共生矩阵（GLCM）及其统计量使用

最新推荐文章于 2024-09-19 14:38:07 发布

菜鸡也很难受

最新推荐文章于 2024-09-19 14:38:07 发布

阅读量2.2k

点赞数 1

分类专栏：灰度共生矩阵文章标签：图像处理

本文链接：https://blog.csdn.net/m0_37904746/article/details/113618312

版权

文章转载于：https://blog.csdn.net/qq_30024069/article/details/80866923

本篇博客主要讲如何使用灰度共生矩阵统计量。Haralick等人定义了14个纹理分析的灰度共生矩阵特征参数。Ulaby等人研究发现：在基GLCM的14个纹理特征中，仅有4个特征是不相关的，这4个特征即便于计算又能给出较高的分类精度，一般采用这四种特征。

1.纹理特征值的计算

a. 'Contrast' : 对比度。返回整幅图像中像素和它相邻像素之间的亮度反差。取值范围：[0,（GLCM行数-1）^2]。灰度一致的图像，对比度为0。
b. 'Correlation' : 相关。返回整幅图像中像素与其相邻像素是如何相关的度量值。取值范围：[-1,1]。灰度一致的图像，相关性为NaN。
c. 'Energy' : 能量。返回GLCM中元素的平方和。取值范围：[0 1]。灰度一致的图像能量为1。
d. 'Homogemeity' : 同质性。返回度量GLCM中元素的分布到对角线紧密程度。取值范围：[0 1]。对角矩阵的同质性为1。

取步长为1，对0,45,90,135方向求统计量。对上诉指标进行归一化（特征），可以送到神经网络或支持向量机进行相关学习（分类，识别等任务）。经常看到分类纺织品、木材纹路等。提取纹理特征时主要存在两方面的缺陷：1.缺乏移动不变性，输入信号很小的位移会造成能量分布的很大变化。2. 较差的方向选择性，图像的微小改变会造成识别效果的降低。

2.纹理特征影像的生成

其主要思想：用5*5或7*7滑动窗口遍历图像，计算窗口内的对比度、相关性、能量、同质性值，然后替换该像素的像素值。生成的纹理特征影像图可以认识是边缘图。下图是5*5滑动窗口，步长为1，0方向生成的结果图。论文“基于灰度共生矩阵提取纹理特征图像的研究”冯建辉，说纹理特征影像可以提高分类效果，但是每个小窗口都要计算灰度共生矩阵，然后计算统计量。计算过于复杂，耗费时间。目前有很多种方法提高分类效果，所以这种方法目前并不常用了。

原图对比度

相关性能量

我学习灰度共生矩阵，主要想计算图像复杂度，应用到其他图像处理其他方面。但是对比度、相关、能量、同质之间的权重不同很合理的定义。映射到的灰度级不同，会导致对比度有较大的变化，所以在和其他统计量加权求和时，最好归一化。只要复杂度，与目测结果一致就可。比如a图看着比b图复杂，a图的复杂度比b图的复杂度高即可。

附件：


 
 
 
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     #include
     
     
     <algorithm>
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     #include 
     
     
     <opencv2/opencv.hpp>
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     #include 
     
     
     <vector>
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     using namespace std;
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     using namespace cv;
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     // 0°灰度共生矩阵  
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     void getGLCM0(Mat& src, Mat& dst, int gray_level)// 0度灰度共生矩阵  
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     {
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     	CV_Assert(1 == src.channels());
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     	int height = src.rows;
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     	int width = src.cols;
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     	dst.create(gray_level, gray_level, CV_32SC1);
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     	dst = Scalar::all(0);
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     	for (int i = 0; i 
     
     
     < height; i++)
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     	{
      
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     	uchar  *srcdata = src.ptr<uchar>(i);
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    		 
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     		for (int j = 0; j 
     
     
     < width - 1; j++)
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     		{
      
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     			// 同样的像素对，水平相邻  
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     			int rows = srcdata[j] * gray_level/256;
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     			int cols = srcdata[j + 1] * gray_level / 256;
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     			dst.at<int>(rows, cols)++;
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    			
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     		}
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     	}
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     }
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     // 90°灰度共生矩阵  
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     void getGLCM90(Mat& src, Mat& dst, int gray_level)
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     {
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     	CV_Assert(1 == src.channels());
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     	int height = src.rows;
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     	int width = src.cols;
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     	dst = Mat(gray_level, gray_level, CV_32SC1, Scalar(0));
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
     
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     	for (int i = 0; i 
     
     
     < height - 1; i++)
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     	{
      
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     		uchar*srcdata = src.ptr<uchar>(i)  ;
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     		uchar*srcdata1 = src.ptr
     
     
     <uchar>(i + 1);
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     		for (int j = 0; j 
     
     
     < width; j++)
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     		{
      
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     			// 同样的像素对，垂直相邻  
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     			int rows = srcdata[j] / 256;
    
    
    
   
   
   
  
   
   
   
    
    
    
   
   
   
   
   
   
    
    
    
     
     
     			int cols = srcdata1[j] / 256;