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