Halcon 第四章『图像特征和提取』◆第3节：基于图像的纹理特征|灰度共生矩阵

        第3节：基于图像纹理的特征&相关算子

        基于图像纹理特征不是针对像素点进行计算，而是在包含多个像素点的区域进行统计和分析，反映的是物体表面的一些特性，它可以用来反映物体表面灰度像素的排列状况。

        图像的纹理特征一般包括图像的能量、相关性、局部均匀性、对比度等。该特征也与区域的形状有关，也是一种区域特征，具有旋转不变形，但是容易受到光照变化的影响。

        1、灰度共生矩阵原理（初级入门）

        简称：GLCM

        ①点对：由任意两个像素点组成的(f1,f2)，例如图1中(0,1)、(0,2)、(2,0)都可以构成点对。

图1

        ②最大灰度级：就是图片的最大灰度值。图1中的最大灰度值为2。

        ③灰度共生矩阵：举例图1中灰度值有0、1、2这三种，那么由它产生的点对组合就有3×3种组合，分别是(0,0)、(0,1)、(0,2)、(1,0)、(1,1)、(1,2)、(2,0)、(2,1)、(2,2)这9种点对组合。然后用矩阵来形容如下图2：

图2 灰度共生矩阵

         然后分别在每个方框中，填入对应的组合在图1中出现过的次数,如下图3。

图3

        备注： 此图3涉及的的方向为θ=0°（双向），间距d=1（d≠0，且为整数）。

        ④方向：双向，即在某一个方向下，正反向和反方向都要计算一遍，且必须要符合点对的前后顺序。

以图1和图3为例，其中(0,1)组合有2次出现在这：

正确的读法

错误的读法

        ⑤间距d：图像像素中间间隔。

        ⑥灰度降级：灰度图的范围0~255，这样的共生矩阵计算量非常的大，所以必须灰度降级来减少计算量。

        然而，灰度共生矩阵表达的是一种概率，因此还需要将统计数目归一化城概率，这样得到的才是灰度共生矩阵。该矩阵有如下特性：

        ⑴能量：表示灰度共生矩阵中的元素的平方和。能量值大，表示灰度变化比较稳定，反映了纹理变化的均匀程度。

        ⑵相关性：表示纹理在行或者列方向的相似程度。相关性越大，相似性越高。

        ⑶局部均匀性：反映图像局部纹理的变化量。这个值越大，表示图像局部的变化越小。

        ⑷反差：表示矩阵的值差异程度，也间接表现了图像的局部灰度变化幅度。反差值越大，图像中的纹理深浅越明显，表示图像越清晰；反之，则表示图像越模糊。

        2、Halcon中创建灰度共生矩阵的算子

Image图像 / Features特征         创建图像中的共生矩阵 gen_cooc_matrix(Regions, Image : Matrix : LdGray, Direction : )         Regions：输入参数，输入被计算的区域。         Image：输入参数，输入的单通道灰度图像。         Matrix：输出参数，输出的灰度共生矩阵，为real类型。         LdGray：输入参数，（灰度降级）表示图中灰度值的级数，即有多少种灰度颜色。默认为6，也可以取1~256的整数。         Direction：输入参数，表示相邻像素的方向。默认为0，范围【0, 45, 90, 135】。

        3、用共生矩阵计算灰度值特征        

Image图像 / Features特征         根据灰度共生矩阵来计算能量、相关性、局部均匀性和对比度。 cooc_feature_matrix(CoocMatrix : : : Energy, Correlation, Homogeneity, Contrast)         CoocMatrix：输入参数，输入要计算的灰度共生矩阵。         Energy：输出参数，输出灰度的能量值，即纹理变化的均匀值。这个值越大，灰度变化越稳定。【灰度共生矩阵元素值的平方和】         Correlation：输出参数，输出灰度值的相关性。灰度相关性高，表示纹理在行或者列方向都飞车相似。         【它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。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。】         Homogeneity：输出参数，输出局部相同的灰度值（局部均匀性）。         Contrast：输出参数，输出灰度值的对比度，或者说是灰度值的反差。这个值越大，反差越明显，表示边界越明显。         【反映了图像的清晰度和纹理沟纹深浅的程度。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。】

        4、计算共生矩阵并导出其灰度值特征   

Image图像 / Features特征         生成矩阵并输出矩阵（gen_cooc_matrix与cooc_feature_matrix的合体） cooc_feature_image(Regions, Image : : LdGray, Direction : Energy, Correlation, Homogeneity, Contrast)         Regions：输入参数，表示要检查的区域。         Image：输入参数，输入灰度值图像。         LdGray：输入参数，灰度降级）表示图中灰度值的级数，即有多少种灰度颜色。默认为6。范围1-8。         Direction：输入参数，表示相邻灰度点对的计算方向。默认0，范围【0，45，90，135，mean表示各个方向的均值】。         Energy：输出参数，输出灰度值能量，即纹理变化的均匀性。这个值越大，灰度变化越稳定，纹理的均匀性比较高。【灰度共生矩阵元素值的平方和】         Correlation：输出参数，输出灰度值的相关性。灰度相关性高，表示纹理在行或者列方向都飞车相似。         【它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。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。】         Homogeneity：输出参数，输出局部相同的灰度值（局部均匀性）。         Contrast：输出参数，输出灰度值的对比度，或者说是灰度值的反差。这个值越大，反差越明显，表示边界越明显。         【反映了图像的清晰度和纹理沟纹深浅的程度。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。】

参考文献：

杨青—《Halcon机器视觉算法原理与编程实战》

Gray-level Co-occurrence Matrix(灰度共生矩阵)https://blog.csdn.net/GarfieldEr007/article/details/49951005?locationNum=7&fps=1