二维特征分类的基础_纹理特征1:灰度共生矩阵（GLCM）

GLCM复习备用：

纹理分析是对图像灰度（浓淡）空间分布模式的提取和分析。纹理分析在遥感图像、X射线照片、细胞图像判读和处理方面有广泛的应用。关于纹理，还没有一个统一的数学模型。它起源于表征纺织品表面性质的纹理概念，可以用来描述任何物质组成成分的排列情况，例如医学上X 射线照片中的肺纹理、血管纹理、航天(或航空)地形照片中的岩性纹理等。图像处理中的视觉纹理通常理解为某种基本模式（色调基元）的重复排列。因此描述一种纹理包括确定组成纹理的色调基元和确定色调基元间的相互关系。纹理是一种区域特性，因此与区域的大小和形状有关。两种纹理模式之间的边界，可以通过观察纹理度量是否发生显著改变来确定。纹理是物体结构的反映，分析纹理可以得到图像中物体的重要信息，是图像分割、特征抽取和分类识别的重要手段。对于空间域图像或变换域图像（见图像变换），可以用统计和结构两种方法进行纹理分析。
　　统计纹理分析寻找刻划纹理的数字特征，用这些特征或同时结合其他非纹理特征对图像中的区域（而不是单个像素）进行分类。图像局部区域的自相关函数、灰度共生矩阵、灰度游程以及灰度分布的各种统计量，是常用的数字纹理特征。如灰度共生矩阵用灰度的空间分布表征纹理。由于粗纹理的灰度分布随距离的变化比细纹理缓慢得多，因此二者有完全不同的灰度共生矩阵。
　　结构纹理分析研究组成纹理的基元和它们的排列规则。基元可以是一个像素的灰度、也可以是具有特定性质的连通的像素集合。基元的排列规则常用树文法来描述。

英文名称　　Texture Analysis;

学术解释

指通过一定的图像处理技术提取出纹理特征参数,从而获得纹理的定量或定性描述的处理过程.纹理分析方法按其性质而言,可分为两大类:统计分析方法和结构分析方法

学术定义

　　纹理是一种普遍存在的视觉现象，目前对于纹理的精确定义还未形成统一认识，多根据应用需要做出不同定义．

　　定义1 按一定规则对元素（elements）或基元（primitives）进行排列所形成的重复模式.

　　定义2 如果图像函数的一组局部属性是恒定的，或者是缓变的，或者是近似周期性的，则图象中的对应区域具有恒定的纹理．

作用分析

　　对这种表面纹理的研究称为纹理分析.它在计算机视觉领域有着重要的应用.

　　在机械工程中对机械零件加工表面的这种凹凸不平性开展研究同样具有重要的实践意义。

对图像灰度空间分布模式提取和分析

　　纹理分析在遥感图像、 X射线照片、细胞图像判读和处理方面有广泛的应用。关于纹理，还没有一个统一的数学模型。它起源于表征纺织品表面性质的纹理概念，可以用来描述任何物质组成成分的排列情况，例如医学上X 射线照片中的肺纹理、血管纹理、航天(或航空)地形照片中的岩性纹理等。图像处理中的视觉纹理通常理解为某种基本模式（色调基元）的重复排列。因此描述一种纹理包括确定组成纹理的色调基元和确定色调基元间的相互关系。纹理是一种区域特性，因此与区域的大小和形状有关。两种纹理模式之间的边界，可以通过观察纹理度量是否发生显著改变来确定。纹理是物体结构的反映，分析纹理可以得到图像中物体的重要信息，是图像分割、特征抽取和分类识别的重要手段。对于空间域图像或变换域图像（见图像变换），可以用统计和结构两种方法进行纹理分析

　　统计纹理分析寻找刻划纹理的数字特征，用这些特征或同时结合其他非纹理特征对图像中的区域（而不是单个像素）进行分类。图像局部区域的自相关函数、灰度共生矩阵、灰度游程以及灰度分布的各种统计量，是常用的数字纹理特征。如灰度共生矩阵用灰度的空间分布表征纹理。由于粗纹理的灰度分布随距离的变化比细纹理缓慢得多，因此二者有完全不同的灰度共生矩阵。

　　结构纹理分析研究组成纹理的基元和它们的排列规则。基元可以是一个像素的灰度、也可以是具有特定性质的连通的像素集合。基元的排列规则常用树文法来描述。

纹理基元与影调

　　一个纹理基元（不严格地说）是一个具有一定的不变特性的视觉基元。这些不变特性在给定区域内的不同位置上，以不同的变形和不同的方向重复出现。纹理基元最基本的不变特性之一是区域内象素的灰度分布，而影调也是表示灰度的明暗分布。

　　因此，我们认为影调和纹理不是独立的概念：当在图象的一定面积区域中影调基元的变化很小时，这个区域的主导特性是影调。当在小面积区域中含大量不同的影调，这个区域占主导的特性是纹理。

spatial gray level co-occurrence matrix 空间灰度共生矩阵（GLCM）
spatial gray level dependence matrix 空间灰度相关矩阵
spatial gray-level dependence matrices 空间灰度独立矩阵

Texture

纹理特征建立在子对象基础之上，这就意味着，必须有一个对象等级架构去使用他们，精确的分割是使用形状纹理特征的基础，子对象的分割要尽量有意义
1.考虑子对象光谱特征的纹理
2.考虑子对象形状特征的纹理
3.基于灰度共生矩阵的纹理

1.Layer Value Texture Based on Subobjects

—【Mean of sub-objects: stddev】子对象均值标准差，对象分割的子对象更隔阂，则该特征更有意义；

—【Avrg. mean diff. to neighbors of subobjects】通过一个对象内部子对象在某一个图层（k）上与邻域（d）对象的差异取平均来进行对比，反应该对象内部差异的平均值。

2.Shape Texture Based on Subobjects

—【Area of subobjects: mean】所包含子对象的平均面积；

—【Area of subobjects: stddev.】所包含子对象的面积的标准差；

—【Density of subobjects: mean 】子对象密度平均值（参考对象形状特征中的Density ）；

—【Density of subobjects: stddev. 】子对象密度的标准差；

—【Asymmetry of subobjects: mean 】子对象不对称性的平均值；

—【Asymmetry of subobj