灰度共生矩阵的原理

最近在看一些图像分类的东西,出现灰度共生矩阵 不甚明白。一直懵懵懂懂的,直到我看到了下面的图解:

左侧就是原始图,原图中一共有1-8个像素,那么对应的GLCM就应该是8*8的矩阵,GLCM(1,1)就是在原图I中像素值1和1 出现的次数。

在图像中任意一点(x,y)及偏离它的一点(x+a,y+b)(其中a,b为整数,认为定义)构成点对。设该点对的灰度值为(f1,f2),假设图像的最大灰度级为L,则f1与f2的组合共有L*L种。对于整福图像,统计每一种(f1,f2)值出现的次数,然后排列成一个方阵,再用(f1,f2)出现的总次数将它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 。

所谓的相邻就是指f(x,y)与f(x+a,y+b),只要与x相邻a或与y相邻b都算是相邻的。

所谓的B在A右边就是指A=f(x,y)   B=f(x+1,y)这里 a=1,b=0,

那么 a=1,b=0 时我们就说水平相邻:也就是0度的时候

a=1,b=1 时我们就说对角相邻,也就是45度的时候

 a=-1,b=1时 即135度

距离(a,b)的取值不同,灰度共生矩阵中的值不同。a和b的取值要根据纹理周期分布的特征来选择,对于较细的纹理,选取(1,0),(1,1),(2,0)等这样的值是有必要的。a,b取值较小对应于变化缓慢的纹理图像,其灰度共生矩阵对角线上的数值较大。纹理的变化越快,则对角线上的数值越小,而对角线两侧的值增大。

猜你喜欢

转载自blog.csdn.net/weixin_42152656/article/details/82970141
今日推荐