求灰度共生矩阵的对比度、相关性、能量、均匀性、熵最大概率、对角线和、对角线差(Sum of Squares: Difference) 自相关、聚类度、聚类倾斜度、反转度、和方差、惯性
时间: 2023-10-24 16:07:22 浏览: 227
灰度共生矩阵.zip_共生矩阵_惯性矩_灰度共生矩阵_能量
5星 · 资源好评率100%
灰度共生矩阵是用于图像纹理分析的一种工具,可以计算出图像中不同灰度级之间的关系。以下是灰度共生矩阵的一些常见特征:
1. 对比度(Contrast):衡量图像中不同灰度级之间的强度差异程度,公式为:$Contrast = \sum_{i,j=0}^{N-1} (i-j)^2 P(i,j)$
2. 相关性(Correlation):衡量图像中不同灰度级之间的线性相关性,公式为:$Correlation = \frac{\sum_{i,j=0}^{N-1} (i-\mu)(j-\nu)P(i,j)}{\sigma_i \sigma_j}$
3. 能量(Energy):衡量图像中不同灰度级出现的频率,公式为:$Energy = \sum_{i,j=0}^{N-1} P(i,j)^2$
4. 均匀性(Homogeneity):衡量图像中不同灰度级之间的分布均匀程度,公式为:$Homogeneity = \sum_{i,j=0}^{N-1} \frac{P(i,j)}{1+(i-j)^2}$
5. 熵(Maximum Probability):衡量图像中出现频率最高的灰度级的熵值,公式为:$Maximum Probability = -\sum_{i,j=0}^{N-1} P(i,j) \log_2 P(i,j)$
6. 对角线和(Sum of Squares: Sum Variance):衡量图像中对角线方向上灰度级的变化程度,公式为:$Sum\ of\ Squares = \sum_{i=0}^{N-1} \left(\sum_{j=0}^{N-1} P(i,j)\right)^2$
7. 对角线差(Sum of Squares: Difference):衡量图像中对角线方向上灰度级的变化程度,公式为:$Sum\ of\ Squares = \sum_{i=0}^{N-1} \left(\sum_{j=0}^{N-1} P(i,j)\right)^2$
8. 自相关(Autocorrelation):衡量图像中不同灰度级之间的相似度,公式为:$Autocorrelation = \sum_{i,j=0}^{N-1} P(i,j)(i-\mu)(j-\nu)$
9. 聚类度(Cluster Shade):衡量图像中不同灰度级之间的聚类程度,公式为:$Cluster\ Shade = \sum_{i,j=0}^{N-1} (i+j-\mu-\nu)^3 P(i,j)$
10. 聚类倾斜度(Cluster Prominence):衡量图像中不同灰度级之间的聚类倾向程度,公式为:$Cluster\ Prominence = \sum_{i,j=0}^{N-1} (i+j-\mu-\nu)^4 P(i,j)$
11. 反转度(Inverse Difference Moment):衡量图像中不同灰度级之间的反转程度,公式为:$Inverse\ Difference\ Moment = \sum_{i,j=0}^{N-1} \frac{1}{1+(i-j)^2} P(i,j)$
12. 和方差(Sum Average):衡量图像中不同灰度级之间的平均强度程度,公式为:$Sum\ Average = \sum_{k=0}^{2N-2} k p_{x+y}(k)$
13. 惯性(Sum Variance):衡量图像中不同灰度级之间的方差程度,公式为:$Sum\ Variance = \sum_{k=0}^{2N-2} (k-Sum\ Average)^2 p_{x+y}(k)$
其中,$P(i,j)$ 表示灰度共生矩阵中第 $i$ 行第 $j$ 列的元素,$\mu$ 表示灰度共生矩阵的均值,$\nu$ 表示灰度共生矩阵的方差,$p_{x+y}(k)$ 表示灰度共生矩阵中对角线和为 $k$ 的元素之和。
阅读全文