python灰度共生矩阵GLCM，带公式和代码

python灰度共⽣矩阵GLCM，带公式和代码

灰度共⽣矩阵所代表的含义是图像的灰度值在空间的某个⽅向上的特点，但是如何衡量两个⽬标图像纹理之间的差异是不能直接使⽤灰度共⽣矩阵表⽰出来的，所以需要使⽤⼀个特定的模型去统计灰度共⽣矩阵的特性来描述纹理特性。例如Haralick HaralickHaralick曾提出了14种基于灰度共⽣矩阵计算出来的统计量：能量、熵、对⽐度、均匀性、相关性、⽅差、和平均、和⽅差、和熵、差⽅差、差平均、差熵、相关信息测度以及最⼤相关系数。

1. 逆差矩(HOMO)：测量灰度图像的局部强度的均匀性，如果局部均匀，逆差矩值较⼤。

2. ⼆阶矩(ASM)：⼜称能量，是图像均匀性的测度，图像的灰度分布越均匀的，相应的ASM值越⼤，反之，ASM越⼩。

3. 熵(ENT)：是衡量⽬标图像信息量多少的量，其中纹理信息也是熵衡量的⼀个⽅⾯。当图像中元素⽐较分散时，熵越⼤，反之越⼩。熵的⼤⼩代表了⽬标图像纹理的均匀程度或复杂程度。

4. 对⽐度(CON)：反映局部图像灰度变化程度，图像中灰度值差别越⼤，则图像边缘也越锐利，对⽐度也就越⼤，典型的k=2，λ=1。

5. 差异性(DISL)：和对⽐度的衡量类似，但是差异性对于局部特点衡量性较好，当局部对⽐度增加，那么差异性也随之增加。

6. 相关性(COR)：表⽰⽬标图像的灰度像素成线性关系的度量，代表灰度共⽣矩阵⾏列灰度关系的相似度。

考虑到算法的时效性，我们经常要通过实验对⽐并选取合适的特征。在选择时⼀般是要先通过项⽬的实际情况，⼤致选定⼏类特征，然后进⾏实验对⽐，最终选择耗时短，且能达到项⽬要求的特征。我们可以根据公式⾃⼰写代码，但很可能会耗费⽐较多的时间去运⾏。⼩⽩可以才考下⾯在github上开源的代码，直接调⽤封装好的函数，可能会快⼀点。代码链接是：

拉曼光谱分析import numpy as np

from skimage.feature import greycomatrix, greycoprops

现代货币数量论成都体育学院图书馆from skimage import io, color, img_as_ubyte

img = io.imread('image_sample.jpg')

gray = b2gray(img)

image = img_as_ubyte(gray)

bins = np.array([0, 16, 32, 48, 64, 80, 96, 112, 128, 144, 160, 176, 192, 208, 224, 240, 255]) #16-bit

inds = np.digitize(image, bins)

max_value = inds.max()+1

matrix_coocurrence = greycomatrix(inds, [1], [0, np.pi/4, np.pi/2, 3*np.pi/4], levels=max_value, normed=False, symmetric=False)

# GLCM properties

def contrast_feature(matrix_coocurrence):

永磁同步电机contrast = greycoprops(matrix_coocurrence, 'contrast')

return "Contrast = ", contrast

def dissimilarity_feature(matrix_coocurrence):

dissimilarity = greycoprops(matrix_coocurrence, 'dissimilarity')

return "Dissimilarity = ", dissimilarity

def homogeneity_feature(matrix_coocurrence):

homogeneity = greycoprops(matrix_coocurrence, 'homogeneity')

return "Homogeneity = ", homogeneity

def energy_feature(matrix_coocurrence):

energy = greycoprops(matrix_coocurrence, 'energy')

return "Energy = ", energy

def correlation_feature(matrix_coocurrence):

过氧乙酸

correlation = greycoprops(matrix_coocurrence, 'correlation')

return "Correlation = ", correlationt5荧光灯

def asm_feature(matrix_coocurrence):

asm = greycoprops(matrix_coocurrence, 'ASM')

return "ASM = ", asm

print(contrast_feature(matrix_coocurrence))

print(dissimilarity_feature(matrix_coocurrence))

print(homogeneity_feature(matrix_coocurrence))

print(energy_feature(matrix_coocurrence))

print(correlation_feature(matrix_coocurrence))

print(asm_feature(matrix_coocurrence))

本文发布于:2024-09-24 05:23:15，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/104944.html

上一篇：灰度共生矩阵用matlab实现代码

下一篇：灰度共生矩阵纹理特征提取_纹理特征提取

标签：灰度图像矩阵局部

留言与评论（共有 0 条评论）