用灰度共生矩阵读取图像纹理特征，调用opencv库

使用OpenCV库结合灰度共生矩阵（Gray Level Co-occurrence Matrix, GLCM）来读取并分析图像的纹理特征，通常包括以下步骤：

1. **导入所需的库**：先安装OpenCV和numpy，然后导入它们以及其他的图像处理模块。

import cv2
import numpy as np
from skimage.feature import greycomatrix, greycoprops

2. **读取图像**：使用cv2.imread函数读取图片，记得指定是否为灰度图。

image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

3. **计算GLCM**：将灰度图像转换为NumPy数组，然后用greycomatrix函数计算GLCM。

rows, cols = image.shape
glcm = greycomatrix(image, [1], [0], symmetric=True, normed=True, range_=(0, 256))

在这里，`range_=(0, 256)`设置灰度级范围，对应于OpenCV的8位图像。

4. **提取特征**：利用greycoprops函数计算GLCM的一些统计量，如对比度、能量、熵等。

features = {
    'contrast': greycoprops(glcm, 'contrast'),
    'correlation': greycoprops(glcm, 'correlation'),
    # ... 其他感兴趣的方向属性
}

5. **展示或进一步处理**：你可以直接查看特征矩阵，也可以将结果用于纹理分类或其他机器学习任务。

# 示例：展示对比度特征
cv2.imshow("Contrast", features['contrast'])
cv2.waitKey(0)
cv2.destroyAllWindows()