灰度共生矩阵提取纹理特征matlab代码

以下是一个简单的灰度共生矩阵提取纹理特征的 matlab 代码：

% 读取图像
img = imread('lena.jpg');
% 将图像转换为灰度图像
gray_img = rgb2gray(img);
% 设定灰度级别
gray_levels = 8;
% 设定距离和角度
distance = 1;
angle = 0;
% 计算灰度共生矩阵
glcm = graycomatrix(gray_img, 'NumLevels', gray_levels, 'Offset', [distance, angle]);
% 计算灰度共生矩阵的统计特征
stats = graycoprops(glcm, {'contrast', 'correlation', 'energy', 'homogeneity'});
% 输出特征
disp(['Contrast: ', num2str(stats.Contrast)]);
disp(['Correlation: ', num2str(stats.Correlation)]);
disp(['Energy: ', num2str(stats.Energy)]);
disp(['Homogeneity: ', num2str(stats.Homogeneity)]);

相关问题

灰度共生矩阵提取纹理matlab代码

以下是灰度共生矩阵提取纹理的 Matlab 代码：

% 读入图像
img = imread('lena.png');
% 将图像转换为灰度图像
gray_img = rgb2gray(img);
% 定义灰度共生矩阵的方向和距离
directions = [0, 1; -1, 1; -1, 0; -1, -1];
distances = [1, 2, 3, 4, 5];
% 定义灰度值的级别数
num_levels = 256;
% 初始化灰度共生矩阵
glcm = zeros(num_levels, num_levels, length(distances), length(directions));
% 计算灰度共生矩阵
for d = 1:length(distances)
    for dir = 1:length(directions)
        offset = directions(dir, :);
        glcm(:, :, d, dir) = graycomatrix(gray_img, 'Offset', offset*distances(d), 'NumLevels', num_levels);
    end
end

这段代码首先读入图像并将其转换为灰度图像。然后定义了灰度共生矩阵的方向和距离，以及灰度值的级别数。接着初始化灰度共生矩阵，并使用`graycomatrix`函数计算灰度共生矩阵。最终结果存储在`glcm`中，其中第一个维度表示灰度值的行索引，第二个维度表示灰度值的列索引，第三个维度表示距离，第四个维度表示方向。

灰度共生矩阵纹理特征提取matlab

灰度共生矩阵是一种用于描述图像纹理特征的方法，它可以通过计算像素间灰度值的关系来提取图像的纹理特征。在Matlab中，可以使用graycomatrix函数来计算灰度共生矩阵，然后使用graycoprops函数来提取纹理特征，如对比度、能量、熵等。通过这些特征，可以对图像进行分类、识别等应用。