本周工作是了解了一下纹理特征提取的几种方法：
（1）LBP算法：是一种描述图像局部纹理特征的算子。
原理：以某个像素点为中心，与其邻域像素点共同计算。
关于邻域像素点的选择并不唯一：
①原始的LBP算子定义的是在3*3的窗口内，以窗口中心像素为阈值，将相邻的8个像素点的灰度值与其进行比较。
②后来的LBP算法将相邻的8个像素点位置改成了环形邻域内的8个点，进行顺时针或逆时针的比较。
算法流程：
l 图像划分若干为N × N的图像子块（如16 × 16），计算每个子块中每个像素的LBP值；
l 对每个子块进行直方图统计，得到N × N图像子块的直方图；
l 对所有图像子块的直方图进行归一化处理；
l 连接所有子块的归一化直方图，便得到了整幅图像的纹理特征。
（2）灰度共生矩阵算法： 取图像(N×N)中任意一点 （x，y）及偏离它的另一点 （x+a，
y+b），设该点对的灰度值为 （g1，g2）。令点（x，y） 在整个画面上移动，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 的平方种。对于整
个画面，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。
我们一般采用四个最常用的特征来提取图像的纹理特征：能量、对比度、相关度、熵。
a. 能量（角二阶距）
能量是灰度共生矩阵各元素的平方和，又被称角二阶距。它是图像纹理灰度变化均一的度量，反映了图像灰度分布均匀程度和纹理粗细程度。
b. 对比度
对比度是灰度共生矩阵主对角线附近的惯性矩，它体现矩阵的值如何分布，反映了图像的清晰度和纹理沟纹的深浅。
c. 相关度
相关度体现了空间灰度共生矩阵元素在行或列方向上的相似程度，反映了图像局部灰度相关性。
d. 熵
熵体现了图像纹理的随机性。若共生矩阵中所有值都相等，取得最大值；若共生矩阵中的值不均匀，则其值会变得很小。
求出该灰度共生矩阵各个方向的特征值后，再对这些特征值进行均值和方差的计算，这样处理就消除了方向分量对纹理特征的影响。
C. 滑动窗口的移动
一个滑动窗口计算结束后，该窗口就可以移动一个像素点，形成另一个小窗口图像，重复进行上一步的计算，生成新窗口图像的共生矩阵和纹理特征值；
以此类推，滑动窗口遍历完所有的图像像素点后，整个图像就形成了一个由纹理特征值构成的一个纹理特征值矩阵。
之后，就可以将这个纹理特征值矩阵转换成纹理特征图像。