纹理特征一：GLCM---灰度共生矩阵

最新推荐文章于 2024-01-31 15:31:31 发布

钉马掌的小铁匠

最新推荐文章于 2024-01-31 15:31:31 发布

阅读量3.8k

点赞数 4

分类专栏：图像特征提取文章标签： GLCM 灰度共生矩阵特征提取图像处理

本文链接：https://blog.csdn.net/qq_39482438/article/details/100017282

版权

GLCM（灰度共生矩阵）是一种纹理特征提取方法，源于20世纪70年代，通过统计相邻像素灰度值的共生情况来分析图像纹理。计算时，可以根据不同方向（水平、垂直、45°、135°）构建4×4矩阵。通过对比度、逆差矩、熵和自相关等特征，可以反映图像的纹理复杂度、同质性、信息量和一致性。GLCM在图像分析、纹理识别等领域有广泛应用。

摘要由CSDN通过智能技术生成

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 $(x, y)$ 与一个距离固定的点 $(x + d, y + l)$ ，两点的灰度值分别（g1, g2)，之后移动 $(x, y)$ ，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 $k^2$ 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： $45^。$ 上的GLCM；
d = -1，l = 1： $135^。$ 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、 $135^。$ 、 $45^。$ 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 $4\times4$ 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。