止痒沐浴露纹理参数与共生测度参数对比
Haralick特征从统计角度描述图像的纹理。要理解Haralick特征，首先要理解灰度共生矩阵（Gray Level Co-occurrence Matrix, GLCM）。左图是一个3x3的单通道像素图，图中的数字1、2、3代表相应的像素值。我们考虑从左到右两个相邻格子的计数，并且在右图的表格中进行统计。 无触点开关举个例子，左图中（1，2）相邻的情况出现了一次，那么对应的右表中第1列第2行的格子记为1。再举个例子，左图中（2，2）相邻的情况出现了一次，那么对应的右表中第2列第2行的格子记为2。为了避免大家没弄懂，我再举个例子，左图中（2, 3）相邻的情况一次也没有出现，那么对应的右表中第2列第3行的格子记为0。
现在再看灰度矩阵的定义是不是很好理解了？以矩阵中的第一个元素p(1, 1)为例，它代表从左到右（1，1）相邻的次数除以所有矩阵中总次数的频数结果。比如这个（1，1）出现的次数为5，整个矩阵的计数总和为100，那么这个元素的值就是0.05。
旋转装置
实际上，统计相邻的情况并不局限于从左到右，还包括从上到下，左对角线和右对角线。
松梢斑螟
这样做的好处是可以消除因为旋转所造成的结果不同。对于一张图片，我们可以计算出四个矩阵。
电力网桥根据我们所得到的矩阵，我们可以计算出14个统计量。这里解释一下统计量的意思，指的是用一个指标来描述一组数据，常见的均值，标准差等，就是统计量。最后一个统计量在数值计算的过程中会不稳定，并且计算很耗时，所以平常一般只会用到前13个统计量。
对于我们统计出的四个灰度矩阵中的每一个矩阵，都计算它的13个统计量，最后对4组统计量（每组13个）对应求均值，得到一组结果，这句结果包含了13个求均值之后的统计量。通过对四个方向的矩阵统计量求均值，我们可以消除图片旋转带来的影响。
视频直播系统 高清现在介绍一下几个统计量在图像中的含义。
Angular Second Moment可以用来描述图像中灰度分布的均匀程度和纹理的粗细程度。如果说灰度矩阵中各个元素的值波动不大，那么这个指标的值会比较小，反之则会比较大。如果这个值较大，则纹理比较粗，否则比较细。
Correlation是相关性，可以用于描述矩阵元素在行或者列方向上的相关性。如果图像具有某个方向上的纹理，则该方向上的矩阵的该指标的值会比较大。
Contrast对比度越大，纹理沟纹较深，图像较为清晰，反之，纹理沟纹较浅，图像较为模糊。
Entropy熵。该值越大，说明矩阵中元素值较为分散。如果图像中没有任何纹理，则该值较小。如果图像中的纹理复杂，则该值较大。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议