灰度共生矩阵(Gray-level Co-occurrence Matrix,GLCM)
-
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
联合分布:
F(x,y) = P{(X<=x) 交 (Y<=y)} => P(X<=x, Y<=y)
称为:二维随机变量(X,Y)的分布函数,或称为随机变量X和Y的联合分布函数。
随机变量X和Y的联合分布函数是设(X,Y)是二维随机变量,对于任意实数x,y,二元函数:F(x,y) = P{(X<=x) 交 (Y<=y)} => P(X<=x, Y<=y)称为二维随机变量(X,Y)的分布函数。
如果将二维随机变量(X,Y)看成是平面上随机点的坐标,那么分布函数F(x,y)在(x,y)处的函数值就是随机点(X,Y)落在以点(x,y)为顶点而位于该点左下方的无穷矩形域内的概率。
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。像素关系可以根据不同的纹理特性进行选择,也就是
的大小可以自由选
像素的空间位置关系:
对于较细的纹理分析可以取像素间距为1,是水平扫描;
是垂直扫描;
是45度扫描;
是135度扫描(原博文有错误)。一旦位置空间确定,就可以生成灰度共生矩阵。
矩阵的物理意义:
用表示灰度共生矩阵,它是一个的矩阵(L为灰度级,就是一幅图中包含的不同灰度或者颜色的个数),
是具有空间位置关系且灰度分别为i和j的两个像素出现的次数或频率(归一化)
灰度共生矩阵计算
例如,当前角度为 0 度时,灰度共 生 矩 阵 中 的 每 个 元 素(i,j)表示原图中指定具有值i的像素水平地与具有值j 的像素相邻的次数;一般默认距离为1,根据需要可以通过修改参数 D 的值来调节两个像素间的距离。
例如: 下图是某纹理像素的放大,和对应的像素灰度矩阵
此图像只有三种灰度,故灰度级为3,灰度共生矩阵是一个3*3的矩阵
归一化形式为
改变位置空间的定义,灰度共生矩阵相应地改变:
归一化形式为:
矩阵的特征量:
从灰度共生矩阵上可以简单的看出,如果对角附近的元素有较大的值,说明图像的像素具有相似的像素值,如果偏离对角线的元素会有比较大的值,说明像素灰度在局部有较大变化。为了得到更多的纹理特征,我们还需要在进行计算:
对比度)(或反差)(contrast):
纹理沟纹越深,其对比度越大,视觉效果越清晰;反之,对比度小,则沟纹浅,效果模糊。灰度差即对比度大的象素对越多,这个值越大。灰度公生矩阵中远离对角线的元素值越大,con越大。所以con越大图像越清晰
相关度(inverse different moment):
度量空间灰度共生矩阵元素在行或列方向上的相似程度,因此,相关值大小反映了图像中局部灰度相关性。当矩阵元素值均匀相等时,相关值就大;相反,如果矩阵像元值相差很大则相关值小。
能量:是灰度共生矩阵元素值的平方和,所以也称之为能量,反映了图像灰度分布均匀程度和纹理粗细度。ASM值大表明一种较均一和规则变化的纹理模式。
熵(entropy):熵在物理中的含义就是物体的规则度,越有序熵越小,越无序熵越大。此处熵同样表示图像的信息量,当共生矩阵中所有元素有最大的随机性、空间共生矩阵中所有值几乎相等时,共生矩阵中元素分散分布时,熵较大。它表示了图像中纹理的非均匀程度或复杂程度。
自相关(correlation):反应了图像纹理的一致性。如果图像中有水平方向纹理,则水平方向矩阵的COR大于其余矩阵的COR值。
代码: