灰度共生矩阵

        灰度直方图是对图像上单个象素具有某个灰度进行统计的结果，而灰度共生矩阵是对图像上保持某距离的两象素分别具有某灰度的状况进行统计得到的。

       取图像(N×N)中任意一点(x,y)灰度级为g1，及偏离它的另一点(x+a,y+b)灰度级为g2，设该点对的灰度值为(g1,g2)。令点(x,y) 在整个图像上移动，则会得到各种(g1,g2)值，设灰度值的级数为k，则(g1,g2)的组合共有k^2种，则灰度共生矩阵的尺寸为k×k。对于整幅图像，统计出每一种(g1,g2)值出现的次数，然后排列成一个方阵，再用(g1,g2)出现的总次数将它们归一化为出现的概率P(g1,g2)，这样的方阵称为灰度共生矩阵。距离差分值(a,b)取不同的数值组合，可以得到不同情况下的联合概率矩阵。(a,b)取值要根据纹理周期分布的特性来选择，对于较细的纹理，选取(1,0)、(1,1)、(2,1)等小的差分值。

计算灰度共生矩阵时，通常取0°,45°,90°,135°四个方向。

当 a>0， b=0时，像素对是水平的，即0度扫描；
当 a=0， b>0时，像素对是垂直的，即90度扫描；
当 a= b>0时，像素对是右对角线的，即45度扫描；
当 a=-b<0时，像素对是左对角线，即135度扫描。

这样,就将(x,y)的空间坐标转化为“灰度对”(g1,g2)的描述，形成了灰度共生矩阵。

        灰度共生矩阵反映的是图像灰度关于方向、相邻间隔、变化幅度的综合信息。通过灰度共生矩阵可以分析图像的局部模和排列规则等，为了能更直观地以灰度共生矩阵描述纹理状况，一般不直接应用得到的共生矩阵，而是在其基础上获取二次统计量。在共生矩阵的基础上可定义4个基本的纹理描述符。

通过4个基本的纹理描述符又可定义了14个用于纹理分析的纹理描述符，其中有4个纹理描述符比较常用。

(1)角二阶距

     

        角二阶距是灰度共生矩阵元素值得平方和，所以也称为能量，反映了图像灰度分布均匀程度和纹理粗细程度。如果灰度共生矩阵的所有值均相等，则 W1 小。如果其中一些值大而其他值小，则W1 大。当W1  大时，纹理粗，能量大；反之，W1  小时，纹理细，能量小。

(2)对比度

        对比度反映了图像的清晰度和纹理沟纹深浅的程度。纹理的沟纹深，其对比度大，效果清晰；反之，对比度小，则沟纹浅，效果模糊。灰度差即对比度大的像素对越多，这个值越大。灰度共生矩阵中远离对角线的元素值越大，对比度越大。 

(3)相关性

其中，μx和σx分别是Px(i)的均值和方差，μy和σx分别是Py(i)的均值和方差。

       相关是用来衡量灰度共生矩阵的元素在行或列方向上的相似程度。当矩阵元素值均匀相等时，相关值就大；相反，如果矩阵像素值相差很大则相关值小。如果图像中有水平方向纹理，则水平方向矩阵的相关值大于其余矩阵的相关值。

(4)熵

        熵是图像具有信息量的度量，纹理信息也属于图像的信息，是一个随机性的度量，当灰度共生矩阵中所有元素有最大的随机性、灰度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。它表示图像中纹理的非均匀程度或复杂程度。若图像没有任何纹理，则灰度共生矩阵几乎为零阵。它反映图像中纹理的复杂程度或非均匀度。若纹理复杂，熵值大；反之，若图像中灰度均匀，共生矩阵中元素大小差异大，熵值小。

参考文献：[1]章毓晋.图像处理和分析教程[M].北京:人民邮电出版.2009.272-274

                  [2]高程程.惠晓威.基于灰度共生矩阵的纹理特征提取[J].计算机系统应用.2010.19(6):195-198GLCM Texture Tutorial：http://www.fp.ucalgary.ca/mhallbey/tutorial.htm