灰度共生矩阵（GLCM）代码

灰度共生矩阵（GLCM）是一种常用的图像纹理分析方法，可以用来描述图像中像素的空间关系。下面是一个简单的 Python 代码示例，用于计算图像的 GLCM：

import numpy as np
from skimage.feature import greycomatrix, greycoprops
from skimage import io, color

# 读取图像
img = io.imread('image.png')

# 转换为灰度图像
img_gray = color.rgb2gray(img)

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

# 计算灰度共生矩阵的特征值
contrast = greycoprops(glcm, 'contrast')
dissimilarity = greycoprops(glcm, 'dissimilarity')
homogeneity = greycoprops(glcm, 'homogeneity')
energy = greycoprops(glcm, 'energy')
correlation = greycoprops(glcm, 'correlation')
ASM = greycoprops(glcm, 'ASM')

print('Contrast:', contrast)
print('Dissimilarity:', dissimilarity)
print('Homogeneity:', homogeneity)
print('Energy:', energy)
print('Correlation:', correlation)
print('ASM:', ASM)

在上述代码中，我们首先使用 skimage 库中的 `rgb2gray` 函数将彩色图像转换为灰度图像，然后使用 `greycomatrix` 函数计算灰度共生矩阵。其中，`distances` 参数指定用于计算灰度共生矩阵的像素间距离，`angles` 参数指定用于计算灰度共生矩阵的像素间方向，`levels` 参数指定图像的灰度级数，`symmetric` 参数指定是否将灰度共生矩阵对称化，`normed` 参数指定是否对灰度共生矩阵进行归一化。

然后，我们使用 `greycoprops` 函数计算灰度共生矩阵的特征值，包括对比度（`contrast`）、不相似度（`dissimilarity`）、同质性（`homogeneity`）、能量（`energy`）、相关性（`correlation`）和 ASM（`ASM`）。最后输出这些特征值。