纹理分析方法:共生矩阵的计算

最新推荐文章于 2024-05-01 20:09:13 发布
最新推荐文章于 2024-05-01 20:09:13 发布
阅读量5k 收藏 31
点赞数 7
分类专栏： 图像处理 文章标签： 图像处理 计算机视觉
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/qq_21539375/article/details/112886019
版权

纹理分析方法:共生矩阵

什么是共生矩阵

在这里插入图片描述

共生矩阵的计算

在这里插入图片描述
因为已知图片有0、1、2、3这4个像素级，因此共生矩阵大小为4*4
先看角度在0方向上，d=1的共生矩阵结果。
在这里插入图片描述
如何计算的呢？

共生矩阵上每个值可以看作原图上该类型像素排列的数量
在这里插入图片描述
因为[0,0]位于主对角线上，既要考虑从左向右，又要考虑从右向左。因此可以得到值为4。

在这里插入图片描述
[0,1]不是位于主对角线上，只需要考虑从左向右（或者从右向左）一次。
同理[0,2]只需要考虑从右向左（或者从左向右）一次。

因此最后的结果为
在这里插入图片描述
可以发现共生矩阵是一个对称矩阵，且主对角线的元素值为2的倍数。

以下为补充：
自己尝试一下，能更好的理解共生矩阵如何计算的
在这里插入图片描述

菊头蝙蝠
关注
  • 7
    点赞
  • 踩
  • 31
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
基于共生矩阵的图像纹理特征提取算法matlab仿真
12-18
1.版本：matlab2022A，包含仿真操作录像，中文注释，参考文献，word版本论文文档，操作录像使用windows media player播放。 2.领域：图像纹理特征提取 3.内容：基于共生矩阵的图像纹理特征提取算法matlab仿真。首先，对利用颜色特征进行图像检索的关键问题：颜色特征的提取方法进行了讨论。选用了符合人类视觉特性的HSV颜色空间，并且利用人对颜色的感知、对HSV空间颜色分量进行非等间隔量化并形成特征矢量，作为图像的颜色特征，并进行了HSV直方图特征提取的MATLAB仿真。然后本文再对图像纹理特征的分析，确定了基于共生矩阵的提取纹理特征的算法，并对共生矩阵进行了MATLAB仿真。从而得到了基于内容的颜色和纹理特征的提取的方法。 4.注意事项：注意MATLAB左侧当前文件夹路径，必须是程序所在文件夹位置，具体可以参考视频录。 5.仿真效果：仿真效果可以参考博客同名文章《基于共生矩阵的图像纹理特征提取算法matlab仿真》
基于灰度共生矩阵的图象纹理分析
12-30
基于灰度共生矩阵的图象纹理分析，张鹤，，本文重点运用统计分析方法中的灰度共生矩阵方法对图像进行纹理分析，通过对多种地物图像进行试验，分析研究其结果，得到各类地物
[转]灰度共生矩阵（超简单理解）
byliut的博客
10-26 6533
1.灰度共生矩阵生成原理   灰度共生矩阵(GLDM)的统计方法是20世纪70年代初由R.Haralick等人提出的，它是在假定图像中各像素间的空间分布关系包含了图像纹理信息的前提下，提出的具有广泛性的纹理分析方法。   灰度共生矩阵被定义为从灰度为i的像素点出发，离开某个固定位置（相隔距离为d，方位为）的点上灰度值为的概率，即，所有估计的值可以表示成一个矩阵的形式，以此被称为灰度共生矩阵。对于纹理变化缓慢的图像，其灰度共生矩阵对角线上的数值较大；而对于纹理变化较快的图像，其灰度共生矩阵对角线上...
【图像特征提取】灰度共生矩阵GLCM
小张同学的博客
03-09 5927
参考链接：图像纹理——灰度共生矩阵 灰度共生矩阵（Gray-level Co-occurrence Matrix，GLCM）原理 灰度共生矩阵可反映灰度 值 和 空间 分布情况。 共生矩阵 PPP 的描述方法： 规定一个方向（如水平，垂直，对角线）和距离（一个像素、两个像素），矩阵中 PijP_{ij}Pij​ 的值由灰度为 iii 和 jjj 的像素对在该方向和距离上出现的次数除以N得到（归一化），N为对P有贡献的像素对总数。 共生矩阵的大小为 L∗LL*LL∗L ，LLL 是图像灰度级数目。 例子 在图
灰度共生矩阵推导计算笔记
qq_42922249的博客
12-07 99
distances:步长level:为灰度等级angles:角度，用于设置移动的方向sysmmertric:用于设置是否考虑反方向，默认False表示不考虑反方向normed:用于设置是否进行归一化，默认False表示不进行归一化(灰度共生矩阵除以灰度共生矩阵的所有元素的和)glcm矩阵:# -------------graycomatrix函数normed为False，glcm/np.sum(glcm)结果如下--------------------
【halcon知识】：共生矩阵
gongdiwudu的专栏
02-10 6669
共现矩阵或共现分布（也称为：灰度共现矩阵 GLCM）是在图像上定义为同时出现的像素值（灰度值或颜色）的分布的矩阵) 在给定的偏移量处。它被用作具有各种应用的纹理分析方法，特别是在医学图像分析中。
《数字图像处理》共生矩阵及其描述子+不变矩 Texture Descriptors
yyy的技术日常
06-27 1万+
共生矩阵及其描述子 Texture Descriptors 1 共生矩阵及其描述子的计算 1.1 共生矩阵原理及其描述子表达式 共生矩阵统计了灰度图中像素间的灰度值分布规律，并借此区分不同的纹理。 灰度共生矩阵中每个元素的值可以定义为(x,y)点与(x+dx,y+dy)点的值对为(i,j)的概率。统计整幅图像中每一种灰度值组合出现的概率矩阵 P 即为灰度共生矩阵。参考实验PPT中助教给的实例来解释共生矩阵，如图所示： 这里考虑的是水平方向的共生矩阵的结果。具体来看，由于(1,1)只出现1次，所以共生矩阵第
灰度共生矩阵（超简单理解）
白雪
06-01 7万+
1.灰度共生矩阵生成原理   灰度共生矩阵(GLDM)的统计方法是20世纪70年代初由R.Haralick等人提出的，它是在假定图像中各像素间的空间分布关系包含了图像纹理信息的前提下，提出的具有广泛性的纹理分析方法。   灰度共生矩阵被定义为从灰度为i的像素点出发，离开某个固定位置（相隔距离为d，方位为）的点上灰度值为的概率，即，所有估计的值可以表示成一个矩阵的形式，以此被称为灰度共生矩阵。对于纹理变化缓慢的图像，其灰度共生矩阵对角线上的数值较大；而对于纹理变化较快的图像，其灰度共生矩阵对角线上...
灰度共生矩阵（GLCM）理解
xw20084898的专栏
03-05 3万+
灰度共生矩阵 灰度共生矩阵法，顾名思义，就是通过计算灰度图像得到它的共生矩阵，然后透过计算这个共生矩阵得到矩阵的部分特征值，来分别代表图像的某些纹理特征（纹理的定义仍是难点）。灰度共生矩阵能反映图像灰度关于方向、相邻间隔、变化幅度的综合信息，它是分析图像的局部模式和它们排列规则的基础。 对于灰度共生矩阵的理解，需要明确几个概念：方向，偏移量和灰度共生矩阵的阶数。 计算机数字分析的任务时研
灰度共生矩阵
sddzlsc的博客
10-12 2099
灰度共生矩阵（Gray-level Co-occurrence Matrix，GLCM） 又叫做灰度共现矩阵ps：matlab的矩阵应该是以常识中的y轴向下为正，x轴向右为正，并且计算的时候是按列。 概念： 像素灰度在空间位置上的反复出现形成图像的纹理，GLCM是描述具有某种空间位置关系两个像素灰度的联合分布 含义： 就是两个像素灰度的联合直方图，是一种二阶统计量 就是两个像素点的关系。像...
灰度共生矩阵在纹理特征提取中的发展
06-14
摘要：纹理特征是图像分析、图像处理、计算机视觉、图像分割等的基 础,然而由于纹理的不确定性，始终没有一个准确的纹理定义，纹理特征提取最 常用的方法是统计方法，而灰度共生矩阵则是图像特征提取统计方法中最重要 的一种方法。 关键词：纹理特征；纹理定义；统计方法
基于灰度共生矩阵的连续多幅散斑图像纹理
02-10
利用基于灰度共生矩阵的纹理分析方法对图像的4 个特征参数——角二阶矩、惯性矩、相关性和熵进行了计算、统计与分析。研究表明,连续多幅激光散斑图像的各种参数取值会有波动,但整体趋于平稳；验证了表面粗糙度和特征...
基于灰度共生矩阵的注塑模具瑕疵检测
01-29
为实现比较精确的模具遗留物检测，在对图像进行位置偏差矫正等预处理之后利用灰度共生矩阵算法，对标准图像与采集图像进行纹理分析，得到了这两幅注塑模具图像的特征参数，取四个特征参数进行分析，利用加权欧式距离...
灰度共生矩阵代码实现
积沙成塔
06-24 6524
2概念 2灰度共生矩阵生成编辑 灰度直方图是对图像上单个象素具有某个灰度进行统计的结果，而灰度共生矩阵是对图像上保持某距离的两象素分别具有某灰度的状况进行统计得到的。 取图像(N×N)中任意一点 （x，y）及偏离它的另一点 （x+a，y+b），设该点对的灰度值为 （g1，g2）。令点（x，y） 在整个画面上移动，则会得到各种 （g1，g2）值，设灰度值的级
GLCM 灰度共生矩阵
yyyyyyep的博客
09-08 483
右侧对应的灰度共生矩阵，左上角第一行与第一列的坐标(1, 1)包含值1，原因在于水平方向上，相距一个像素值，当前像素跟水平右侧相邻像素只有一个是1、1相邻的像素值(灰度级别)对；此外对正常的灰度图像来说，最小灰度值为0，最大的灰度值为255，共计256个灰度级别，所以GLCM的大小为256x256，但是我们可以对灰度级别进行降维操作，比如可以每8个灰度值表示一个level，这样原来256x256大小的共生矩阵就可以改成256/8 * 256 /8 = 32x32的共生矩阵。距离（大于等于1个像素单位）
图像处理 - GLCM灰度共生矩阵如何计算
Jen_Hsueh的博客
03-09 2万+
因为最近要在OpenCV上试试各种图像分割算法的效果，其中灰度共生算法没有办法直接调用库函数，看了很多文章，其中有一篇博文讲的很清楚。 原文地址 现在按照自己的理解再复盘一遍算法过程，详细推导一下，有一些是上面那个博文搬过来的，本文只是学习笔记，以便日后查询使用。 // 在计算灰度共生矩阵前需要确定一些参数： 灰度共生矩阵灰度级，与灰度共生矩阵的阶数相同，即当灰度图像灰度级为N时，灰度共生矩阵为......
图像纹理——灰度共生矩阵
热门推荐
sunny的专栏
11-11 8万+
1.灰度共生矩阵 本文是借用一篇文章的例子讲解灰度共生矩阵，用文字说明感觉说不清，自己之前用该方法做过实验，还是会忘，所以干脆用例子的方式介绍，下一次再看也容易理解。 在图像中任意一点（x,y）及偏离它的一点(x+a,y+b)(其中a，b为整数，认为定义)构成点对。设该点对的灰度值为(f1,f2),假设图像的最大灰度级为L,则f1与f2的组合共有L*L种。对于整福图像，统计每一种(f1,f2)
图像处理的一些操作（2）
2301_78972534的博客
04-30 733
【代码】图像处理的一些操作（2）
如何在Dlib库中实现目标跟踪
最新发布
zgw555555的专栏
05-01 735
请注意，这只是一个大致的框架，并且可能需要根据你的具体需求进行调整。目标跟踪是一个复杂的任务，可能需要大量的调试和优化才能获得满意的结果。目标跟踪是一个复杂的任务，可能需要大量的调试和优化才能获得满意的结果。是一个包含机器学习算法的 C++ 工具包，其中包含如人脸检测、人脸关键点检测、形状预测等功能，但它没有内置的目标跟踪算法。是一个包含机器学习算法的 C++ 工具包，其中包含如人脸检测、人脸关键点检测、形状预测等功能，但它没有内置的目标跟踪算法。的基础上进行目标跟踪。以下是一个大致的步骤，指导你如何在。
通过灰度共生矩阵计算纹理特征
05-19
灰度共生矩阵（Gray-Level Co-occurrence Matrix，GLCM）是一种用于计算纹理特征的方法。它是通过统计图像中像素灰度级别相邻出现的频率来描述图像纹理特征的。 具体步骤如下： 1. 将图像转换为灰度图像。 2. 选择一个方向和距离，将图像中每个像素与它相邻距离为指定距离、方向相同的像素进行配对。 3. 统计每个像素配对的灰度级别组合出现的频率，得到一个灰度共生矩阵。 4. 根据灰度共生矩阵计算纹理特征，比如对称性、能量、对比度、相关性等。 灰度共生矩阵可以用于图像分类、目标识别、医学图像分析等领域。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

菊头蝙蝠

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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。

余额充值