分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow
也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！
Prerequisites
概念
计算方式
对于精度要求高且纹理细密的纹理分布，我们取像素间距为d=1）出现的次数，如图所示，共出现九次，在两个方向上即是18次。
matlab
matlab相关工具箱函数
使用灰度共生矩阵（GLCM）描述和提取图像纹理特征，是一个强大且流行的工具，自然matlab工具箱会提供相应的函数——graycomatrix：
给出一个图像矩阵，设置一些参数，得到其灰度共生矩阵，这就是函数的基本用法：
扫描二维码关注公众号，回复：
4040381 查看本文章
[glcm, SI] = graycomatrix(I, ...)
- 1
主要的参数有二个，分别是
NumLevels（灰度级数）
最终glcm的size是NumLevels*NumLevels
Offset（方向[0, 1; -1, 1; -1, 0; -1, -1]）：
[0, 1]中的1表示的偏移数（offset），当然也可以取2或者更多，如上文所说，对于精度要求高且图像纹理本身即很丰富的图像来说，为了更精细地刻画，我们取偏移量（offset）为1。
我们将原始I转换为SI，对SI计算GLCM，SI中元素的值介于[1, NumLevels]之间。
I = [ 1 1 5 6 8 8; 2 3 5 7 0 2; 0 2 3 5 6 7 ];[glcm, SI] = graycomatrix(I, 'NumLevels', 9, 'G', [])% 'Offset'的default值为`[0, 1]`
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
glcm = 0 0 2 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 1 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1SI = 2 2 6 7 9 9 3 4 6 8 1 3 1 3 4 6 7 8
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
demo
这里先写一个demo，稍微有点难懂的地方在于灰度共生矩阵的计算方式，然后是一些编程上的循环判断。其他方向的情况还未考虑（在第三和第四层循环的地方可能会略有不同），以及将其封装成一个函数的操作还是留待以后吧：
clear, clcP = [ 0 1 2 0 1 2 1 2 0 1 2 0 2 0 1 2 0 1 0 1 2 0 1 2 1 2 0 1 2 0 2 0 1 2 0 1];[r, c] = size(P);P_u = unique(P); % 去重，得到所有的灰度级n = length(P_u); % 不同灰度级的个数G = zeros(n, n); % 初始化灰度共生矩阵为全0矩阵，%% 四层循环，最外层的两层循环用来为GLCM的各个位置赋值% 内层的两层循环时遍历原始图像矩阵，累计符合某一对应关系的的情况出现的次数for p = 1:n, for q = 1:n, cnt = 0; % GLCM刻画的是灰度图像像素的统计特性，在matlab中通过次数的统计计算得到 for i = 1:r, for j = 1:c, if (j+1) <= c && ((P(i, j) == p && P(i, j+1) == q) || P(i, j) == q && P(i, j+1) == p), cnt = cnt + 1; end end end G(p, q) = cnt; endendG
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
References
给我老师的人工智能教程打call！http://blog.csdn.net/jiangjunshow
