纹理特征一:GLCM 灰度共生矩阵
1. GLCM 的解释与计算
假设: GLCM(Gray-level co-occurence matrix,灰度共生矩阵)是20世纪70年代初由R.Haralick等人提出的。该方法基于的假设是:图像纹理的变化和色素的空间分布有关。
计算: 设图上一点 ( x , y ) (x,y) (x,y)与一个距离固定的点 ( x + d , y + l ) (x+d,y+l) (x+d,y+l),两点的灰度值分别(g1, g2),之后移动 ( x , y ) (x,y) (x,y),将得到不同的(g1, g2)。如果该图的灰度等级为k,则不同的(g1, g2)的值种类最多为 k 2 k^2 k2个。灰度共生矩阵就是对这些不同的(g1, g2) 值的个数统计。
这里的d和l可以取不同的值。
- d = 1,l = 0:水平方向的GLCM;
- d = 0,l = 1:垂直方向上的GLCM;
- d = 1,l = 1: 4 5 。 45^。 45。上的GLCM;
- d = -1,l = 1: 13 5 。 135^。 135。上的GLCM。
举例解释: 如下图,图(a) 是一个图像的像素值,图(b)是GLCM中各元素对应的(g1,g2)。图©、图(d)、图(e)、图(f)分别是沿水平方向、垂直方向、 13 5 。 135^。 135。、 4 5 。 45^。 45。方向上计算的GLCM。因为图(a)中共有四个像素等级,所以GLCM是一个 4 × 4 4\times4 4×4的矩阵,以图©水平方向为例,相邻为(0, 1)的共生点共有2个,相邻(0, 2)的共生点有1个。值得重点解释的是,相邻为(0, 0)的共生点个数为2,但是就像(0,1)!=(1,0)需要分别计算,(0,0)的也应该被计算两次,所以(0,0)的共生点为4,(2,2)的共生点为6。
特点: 当色素值分布均匀时,矩阵值分布在主对角线附近;当色素值相差较大时,矩阵值分布原理主对角线。
2. GLCM计算得到的纹理特征
设i,j 分别是(x, y), (x+d, x+l)的像素值,(i,j)的个数为 N ( i , j ) N_{(i,j)} N(i,j),GLCM中所有值之和 N G L C M N_{GLCM} N