dem灰度共生矩阵纹理特征参数提取
时间: 2023-10-19 11:09:07 浏览: 48
灰度共生矩阵(Gray-Level Co-occurrence Matrix,GLCM)是一种用于描述图像中灰度值分布的统计方法,它能够提供纹理特征的信息。在灰度共生矩阵中,每个元素表示了在给定距离和角度下,一对灰度值出现的次数。基于灰度共生矩阵,可以提取出多种纹理特征参数,如下所示:
1. 对比度(Contrast):表示灰度级之间的对比度强度,计算公式为:$Contrast=\sum_{i,j=0}^{N-1}(i-j)^2P_{i,j}$,其中$N$为灰度级数,$P_{i,j}$表示灰度级为$i,j$的像素对出现的概率。
2. 同质性(Homogeneity):表示灰度级之间的相似程度,计算公式为:$Homogeneity=\sum_{i,j=0}^{N-1}\frac{P_{i,j}}{1+(i-j)^2}$。
3. 熵(Entropy):表示图像的复杂度和信息量,计算公式为:$Entropy=-\sum_{i,j=0}^{N-1}P_{i,j}\log_2(P_{i,j}+1)$。
4. 能量(Energy):表示灰度共生矩阵的总能量,计算公式为:$Energy=\sum_{i,j=0}^{N-1}P_{i,j}^2$。
5. 相关性(Correlation):表示灰度级之间的线性相关程度,计算公式为:$Correlation=\frac{\sum_{i,j=0}^{N-1}(i-\mu_i)(j-\mu_j)P_{i,j}}{\sigma_i\sigma_j}$,其中$\mu_i$和$\mu_j$分别为灰度级$i$和$j$的平均值,$\sigma_i$和$\sigma_j$分别为灰度级$i$和$j$的标准差。
6. 对角线反转矩阵(Inverse Difference Moment,IDM):表示灰度级之间的相似程度,计算公式为:$IDM=\sum_{i,j=0}^{N-1}\frac{P_{i,j}}{1+(i-j)^2}$。
通过提取这些纹理特征参数,可以对图像进行表征和分类,从而实现自动图像识别和分析的目的。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)