利用灰度共生矩阵提取图像纹理特征

利用灰度共生矩阵提取图像纹理特征

--xuliang

1. 灰度共生矩阵概念

灰度共生矩阵定义为像素对的联合概率分布，是一个对称矩阵，它不仅反映图像灰度在相邻的方向、相邻间隔、变化幅度的综合信息，但也反映了相同的灰度级像素之间的位置分布特征，是计算纹理特征的基础。

在图像中任意取一点(x,y)及偏离它的一点(x+a,y+b)(其中，a、b为整数，人为定义)构成点对。设该点对的灰度值为(f₁,f₂)，再令点(x,y)在整幅图像上移动，则会得到不同的(f₁,f₂)值。

设图像的最大灰度级为L，则f₂与f₂的组合共有L*L种。对于整幅图像，统计出每一种(f₁,f₂)值出现的次数，然后排列成一个方阵，再用(f₁,f₂)出现的总次数将他们归一化为出现的概率P(f₁,f₂)，由此产生的矩阵为灰度共生矩阵。θ方向上的间隔为d的灰度共生矩阵实际上是θ方向间隔为d的灰度变化量的联合概率分布。

2. 共生矩阵的计算

                          （1）

公式(1)中d表示像素间隔，(k,l), (m,n)分别为原像素和偏移后的像素坐标，其中k,m为纵坐标，D为图像范围^{[Image Processing, Analysis, and Machine Vision (Sonka 3rd Edition2007)]}。

举例说明，假设原图像如图1.a所示

       

1.a 灰度图像                              1.b 0°方向距离为1的灰度共生矩阵                             1.c P_135°,1

对1.b中蓝色字表示原像素灰度值，红字为偏移后像素灰度值。则对矩阵元素P_0°,1 (0,0)表示1.a中在0°方向上（包括正和负方向）相距为1的(0,0)点对有两对，考虑正负方向的加倍效果，P_0°,1 (0,0)=4。同样由于公式(1)对距离d定义的双向性，使得灰度共生矩阵为对称矩阵。

为了减小计算量，可将