灰度共生矩阵
灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。其中“共生”即为相同的意思,该矩阵表述的是在指定距离和方向上相同灰度值的像素对的个数。形象的表示如下图所示:
注:在实际使用过程中,为了减少计算量,需要在强度分辨率上对图像进行下采样变换。比如如果原始图像为8位灰度图像,灰度值为[0 255],若将图像位深变为2位,则灰度值范围是[0 3]。
在灰度共生矩阵的基础上,我们可以定义一系列特征来反映灰度的空间相关性。这里,我们简单的定义最为常见的7个特征:
1、第二角矩
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。
A
s
m
=
∑
i
∑
j
P
(
i
,
j
)
2
Asm = {\sum\limits_i {\sum\limits_j {P(i,j)} } ^2}
Asm=i∑j∑P(i,j)2
2、对比度
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,对比度越大。所以对比度越大图像越清晰。公式:
C
o
n
=
∑
i
∑
j
(
i
−
j
)
2
P
(
i
,
j
)
Con = \sum\limits_i {\sum\limits_j {{{(i - j)}^2}P(i,j)} }
Con=i∑j∑(i−j)2P(i,j)
3、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。