图像的灰度共生矩阵作图

灰度共生矩阵（Gray-Level Co-occurrence Matrix，GLCM）是图像处理中用于描述图像纹理特征的一种方法。GLCM 可以计算出图像中不同方向上像素灰度值出现的概率，并且可以根据 GLCM 计算出各种纹理特征，如对比度、逆差矩、角二阶矩等。

GLCM 通常是一个对称的方阵，每个元素代表在给定方向上两个像素灰度级别 i 和 j 出现的次数。在绘制 GLCM 图像时，可以使用灰度级别 i 和 j 的和作为 x 轴，差作为 y 轴，并将 GLCM 中对应元素的值作为图像的亮度值。

下面是使用 Python 中的 skimage 库计算灰度共生矩阵并绘制 GLCM 图像的示例代码：

import numpy as np
import matplotlib.pyplot as plt
from skimage import data, io
from skimage.feature import greycomatrix, greycoprops

# 读入图像并将其转换为灰度图像
image = data.camera()
image_gray = np.uint8(image / np.max(image) * 255)

# 计算灰度共生矩阵
distances = [1]  # 距离为1
angles = [0, np.pi/4, np.pi/2, np.pi*3/4]  # 四个方向
glcm = greycomatrix(image_gray, distances=distances, angles=angles, levels=256, symmetric=True, normed=True)

# 计算纹理特征
contrast = greycoprops(glcm, 'contrast')
dissimilarity = greycoprops(glcm, 'dissimilarity')
homogeneity = greycoprops(glcm, 'homogeneity')
energy = greycoprops(glcm, 'energy')
correlation = greycoprops(glcm, 'correlation')

# 绘制灰度共生矩阵图像
plt.figure(figsize=(10, 10))
plt.suptitle('GLCM Texture Features', fontsize=20)

for i, prop in enumerate(['contrast', 'dissimilarity', 'homogeneity', 'energy', 'correlation']):
    plt.subplot(3, 3, i+1)
    plt.imshow(glcm[:, :, 0, i], cmap='gray', vmin=0, vmax=1)
    plt.title(prop.capitalize(), fontsize=16)
    plt.axis('off')
    
plt.tight_layout()
plt.show()

运行上述代码，可以得到包含各种纹理特征的 GLCM 图像，如下图所示：