matlab计算图像均匀性

Matlab中计算图像均匀性常用的指标包括灰度共生矩阵（GLCM）、灰度平均值、标准差、熵等。其中，灰度共生矩阵是一种描述图像纹理特征的方法，可以用来计算图像的均匀性。

灰度共生矩阵描述了同一灰度级别像素对在一定距离下出现的概率分布情况，其计算方法如下：

1. 将原始图像转换为灰度图像，将像素值映射到0-255的整数范围内。

2. 设定距离d和灰度级别g，并将图像中像素值等于g的像素对在距离d下出现的次数累加到GLCM矩阵中。

3. 对GLCM矩阵进行归一化，使得每个元素表示概率值。

4. 根据归一化的GLCM矩阵计算各种统计特征，比如对角线元素之和（对角线元素表示同一灰度级别像素对在距离d下出现的概率），对角线元素之差（反映图像纹理的粗糙程度）、能量（反映图像灰度分布的均匀性）、熵（反映图像信息的复杂性）等。

在Matlab中，可以使用graycomatrix()函数计算灰度共生矩阵，使用graycoprops()函数计算灰度共生矩阵的统计特征。例如：

img = imread('test.jpg');
gray_img = rgb2gray(img);
glcm = graycomatrix(gray_img, 'Offset', [0 1], 'NumLevels', 256, 'Symmetric', true);
stats = graycoprops(glcm);
contrast = stats.Contrast;
homogeneity = stats.Homogeneity;

其中，'Offset'参数指定了灰度共生矩阵的计算方向（这里使用了水平方向），'NumLevels'参数指定了灰度级别数（这里为256），'Symmetric'参数指定了是否使用对称灰度共生矩阵。graycoprops()函数返回一个包含各种统计特征的结构体，例如Contrast表示对角线元素之差，Homogeneity表示灰度共生矩阵的熵。