首页 > 学术百科

python灰度共生矩阵_四：利用python的skimage计算灰度共生矩阵

python灰度共⽣矩阵_四：利⽤python的skimage计算灰度共

⽣矩阵奔腾电磁炉电路图

我们经常提取影像的纹理信息，⽽提取纹理信息，我们常⽤灰度共⽣矩阵，下⾯就是利⽤skimage计算图像的GLCM

那么，计算GLCM的是什么包呢：

from skimage.feature import greycomatrix, greycoprops

下⾯导⼊的包有些是不⽤的我也懒得删掉，不影响使⽤

import math

import numpy as np

import rasterio

from rasterio.mask import mask

import geopandas as gpd

ry import mapping

import pandas as pd

ics import classification_report阿比吉尔布莱斯林

ics import confusion_matrix

del_selection import train_test_split

import time

import matplotlib.pyplot as plt

import cv2

from PIL import Image

import os

from skimage.feature import greycomatrix, greycoprops

def get_img(s): # s为图像路径

values_temp = []

盐酸芬氟拉明input = cv2.imread(s, cv2.IMREAD_GRAYSCALE) # 读取图像，灰度模式

# 得到共⽣矩阵，参数：图像矩阵，距离，⽅向，灰度级别，是否对称，是否标准化

# [0, np.pi / 4, np.pi / 2, np.pi * 3 / 4] ⼀共计算了四个⽅向，你也可以选择⼀个⽅向

# 统计得到glcm

glcm = greycomatrix(input, [2, 8, 16], [0, np.pi / 4, np.pi / 2, np.pi * 3 / 4], 256, symmetric=True, normed=True) # , np.pi / 4, np.pi / 2, np.pi * 3 / 4消失的子弹剧情

上海财务管理进修学院print(glcm.shape)

# 循环计算表征纹理的参数

for prop in {'contrast', 'dissimilarity','homogeneity', 'energy', 'correlation', 'ASM'}:

temp = greycoprops(glcm, prop)

# temp=np.array(temp).reshape(-1)

values_temp.append(temp)

print(prop, temp)

print('len:',len(temp))

print('')

return (values_temp)

values = []

比基尼主播if __name__ == '__main__':

for n in range(318):

values.append([])

temp_ = get_img(r'C:\Users\Desktop/grey/'+str(n)+'.png') values[n].append(np.array(temp_).ravel())

# 因为选择了四个⽅向，所以最终每⼀个波段有四个值

本文发布于:2024-09-24 09:19:07，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/104946.html

上一篇：灰度共生矩阵纹理特征提取_纹理特征提取

下一篇：提取图像纹理特征——灰度共生矩阵

标签：图像纹理矩阵

留言与评论（共有 0 条评论）