根据图像纹理对图像进行分类1(实现了数据的提取，接下来利用数据套用分类模型即可)

根据图像纹理对图像进行分类1

---

前言

我的前面两个博客讲解了共生矩阵求解图像纹理特征的相关原理以及c++文件的读写操作和opencv的图片批量处理，有什么不懂的可以看前面的两个博客，见： https://blog.csdn.net/qq_48176859/article/details/110118717
和https://blog.csdn.net/qq_48176859/article/details/110050055。
下面上代码。

CODE

GLCM_GM.h

#pragma once
#include<iostream>
#include<opencv2/core.hpp>
#include<opencv2/highgui.hpp>
#include<opencv2/opencv.hpp>
#include<vector>
#include<algorithm>
#include<iterator>
#include<cmath>
#include<fstream>
using namespace std;
using namespace cv;
typedef vector<vector<uchar>> VecGLCM;
void VecGLCMCount0(VecGLCM& GM_VecGLCM, cv::Mat PriImage, int nCols, int nRows);  //0度共生矩阵
double ComputeEntropy(VecGLCM& GM_VecGLCM, int size);       //计算熵值
double ComputeEnergy(VecGLCM& GM_VecGLCM, int size);        //计算能量
double ComputeContrast(VecGLCM& GM_VecGLCM, int size);      //计算对比度 
double ComputeUniformity(VecGLCM& GM_VecGLCM, int size);    //计算均匀度
vector<vector<double>> ImageFileRead(string PatternJPG, VecGLCM& GM_VecGLCM, int size);     //批量读取图片操作
void ValueWrite(vector<vector<double>> Matrix, string FileName);     //写操作
void InitVecGLCM(VecGLCM& GM_VecGLCM, int size);     //初始化VecGLCM

FunctionAchoeve.cpp

#include"GLCM_GM.h"

//==============================================================================
// 函数名称: VecGLCMCount0
// 参数说明: PriImage为初始的图片，nCols为列，nRows为行数
// 函数功能: 进行0度方向的共生矩阵求解 
//==============================================================================
void VecGLCMCount0(VecGLCM& GM_VecGLCM, cv::Mat PriImage, int nCols, int nRows)
{
	int VecGLCM_Col;
	int VecGLCM_Row;
	uchar* p;
	for (int i = 0; i < nRows; i++)
	{
		p = PriImage.ptr<uchar>(i);//获取每行首地址
		for (int j = 0; j < nCols - 1; ++j)
		{
			VecGLCM_Col = p[j];
			VecGLCM_Row = p[j + 1];
			GM_VecGLCM[VecGLCM_Col][VecGLCM_Row]++;
		}
	}
}

//==============================================================================
// 函数名称: ComputeEntropy
// 参数说明: GM_VecGLCM为共生矩阵，size为矩阵的大小（size X size）
// 函数功能: 求共生矩阵的熵
//==============================================================================
double ComputeEntropy(VecGLCM& GM_VecGLCM, int size)
{
	double sum = 0;
	vector<vector<uchar>>::iterator IE;

	vector<uchar>::iterator it;
	for (IE = GM_VecGLCM.begin(); IE < GM_VecGLCM.end(); IE++)
	{
		for (it = (*IE).begin(); it < (*IE).end(); it++)
		{
			if ((*it) != 0)  sum += -(*it) * log(*it);
			//cout << *it << " ";
		}
	}
	return sum;
}

//上述用迭代器更安全
/*
double ComputeEntropy(VecGLCM& GM_VecGLCM, int size)
{
	double sum = 0;
	for(int i=0;i<size;i++)
		for (int j = 0; j < size ; j++)
		{
			if (GM_VecGLCM[i][j] != 0)
			{
				sum += -GM_VecGLCM[i][j] * log(GM_VecGLCM[i][j]);
			}
		}
	return sum;
}
*/

//==============================================================================
// 函数名称: ComputeEnergy
// 参数说明: GM_VecGLCM为共生矩阵，size为矩阵的大小（size X size）
// 函数功能: 求共生矩阵的能量
//==============================================================================
double ComputeEnergy(VecGLCM& GM_VecGLCM, int size)
{
	double sum = 0;
	vector<vector<uchar>>::iterator IE;
	vector<uchar>::iterator it;
	for (IE = GM_VecGLCM.begin(); IE < GM_VecGLCM.end(); IE++)
	{
		for (it = (*IE).begin(); it < (*IE).end(); it++)
		{
			sum += (*it) ^ 2;
		}
	}
	return sum;
}

//==============================================================================
// 函数名称: ComputeContrast
// 参数说明: GM_VecGLCM为共生矩阵，size为矩阵的大小（size X size）
// 函数功能: 求共生矩阵的对比度
//==============================================================================
double ComputeContrast(VecGLCM& GM_VecGLCM, int size)
{
	double sum = 0;
	for (int i = 0; i < size; i++)
	{
		for (int j = 0; j < size; j++)
		{
			sum += (i - j) ^ 2 * GM_VecGLCM[i][j];
		}
	}
	return sum;
}

//==============================================================================
// 函数名称: ComputeUniformity
// 参数说明: GM_VecGLCM为共生矩阵，size为矩阵的大小（size X size）
// 函数功能: 求共生矩阵的均匀度
//==============================================================================
double ComputeUniformity(VecGLCM& GM_VecGLCM, int size)
{
	double sum = 0;
	for (int i = 0; i < size; i++)
	{
		for (int j = 0; j < size; j++)
		{
			sum += GM_VecGLCM[i][j] / (1 + abs(i - j));
		}
	}
	return sum;
}

//==============================================================================
// 函数名称: ImageFileRead
// 参数说明: PatternJPG为文件名，形如"E:\\图片\\*.jpg",GM_VecGLCM为共生矩阵，size为矩阵的大小
// 函数功能: 批量处理图片文件，并计算共生矩阵的熵、能量、对比度和均匀度返回一个num X 4的矩阵（num为图片的总数）
//==============================================================================
vector<vector<double>> ImageFileRead(string PatternJPG, VecGLCM& GM_VecGLCM, int size)
{
	vector<string> ImageFile;
	glob(PatternJPG, ImageFile);    //将PatternJPG路径下的所用文件名存进ImageFile中
	if (ImageFile.size() == 0) {
		cout << "NO image file[jpg]" << endl;
	}

	//二维矩阵创建，ValueVec中保存各个图片的共生矩阵的四个参数信息
	vector<vector<double>> ValueVec;
	int num = ImageFile.size();
	ValueVec.resize(num);
	for (int i = 0; i < num  ; i++)
	{
		ValueVec[i].resize(4);
	}

	for (unsigned int frame = 0; frame < ImageFile.size(); ++frame)
	{
		Mat image = cv::imread(ImageFile[frame], IMREAD_GRAYSCALE);
		cout << ImageFile[frame] << "读取成功！" << endl;
		int nRows = image.rows;
		int nCols = image.cols;
		VecGLCMCount0(GM_VecGLCM, image, nCols, nRows);
		ValueVec[frame][0] = ComputeEntropy(GM_VecGLCM, size);       //计算熵值
		ValueVec[frame][1] = ComputeEnergy(GM_VecGLCM, size);       //计算能量
		ValueVec[frame][2] = ComputeContrast(GM_VecGLCM, size);       //计算对比度
		ValueVec[frame][3] = ComputeUniformity(GM_VecGLCM, size);     //计算均匀度
		InitVecGLCM(GM_VecGLCM, size);  //重新将GM_VecGLCM变为全0的矩阵
	}
	return ValueVec;
}

//==============================================================================
// 函数名称: ValueWrite
// 参数说明: Matrix为矩阵名，FileName为需要写如的文件名，如"B2F.txt"
// 函数功能: 文件写操作，将Matrix中的内容写入文件FileName中
//==============================================================================
void ValueWrite(vector<vector<double>> Matrix, string FileName)
{
	ofstream in;
	in.open(FileName, ios::trunc);  //ios::tuunc表示在打开文件前将文件清空，由于是写入，文件不存在则创建
	for (int i = 0; i < Matrix.size(); i++)
	{
		for (int j = 0; j < Matrix[i].size(); j++)
		{
			in << Matrix[i][j] << "\t";
		}
		in << "\n";
	}
}

void InitVecGLCM(VecGLCM& GM_VecGLCM, int size)
{
	for (int i = 0; i < size; i++)
	{
		for (int j = 0; j < size; j++)
		{
			GM_VecGLCM[i][j] = 0;
		}
	}
}

main.cpp

#include"GLCM_GM.h"

int main()
{
	VecGLCM VecGlcm(256);
	for (int i = 0; i < 256; i++)
	{
		VecGlcm[i].resize(256);
	}
	for (int i = 0; i < 256; i++)
	{
		for (int j = 0; j < 256; j++)
		{
			VecGlcm[i][j] = 0;
		}
	}
	ValueWrite(ImageFileRead("E:\\学习资料\\2020图像特征计算与表示课件\\烟叶分级的作业\\烟叶识别作业\\烟叶识别作业\\train_831\\B3F\\*.jpg", VecGlcm, 256), "B3F.txt");     //写操作
	return 0;
}

总结

实现了数据的提取，ImageFileRead返回的就是每张图片的共生矩阵发提取纹理特征的四个参数：熵，能量，对比度，均匀度。有了这些数据就可以利用有监督学习算法进行分类啦！