python 计算灰度共生矩阵计算灰度共生矩阵 纹理特征纹理特征
今天学习数字图像处理课，学到灰度共生矩阵，兴起，遂敲码解之。
方法摘自百度百科：方法摘自百度百科：
灰度直方图是对图像上单个像素具有某个灰度进行统计的结果，而灰度共生矩阵是对图像上保持某距离的两像素分别具有某灰
度的状况进行统计得到的。
取图像(N×N)中任意一点 （x，y）及偏离它的另一点 （x+a，y+b），设该点对的灰度值为 （g1，g2）。令点（x，y） 在整
个画面上移动，则会得到各种 （g1，g2）值，设灰度值的级数为 k，则（g1，g2） 的组合共有 k 的平方种。对于整个画面，
统计出每一种 （g1，g2）值出现的次数，然后排列成一个方阵，再用（g1，g2） 出现的总次数将它们归一化为出现的概率
P（g1，g2） ，这样的方阵称为灰度共生矩阵。距离差分值（a，b） 取不同的数值组合，可以得到不同情况下的联合概率矩
阵。（a，b） 取值要根据纹理周期分布的特性来选择，对于较细的纹理，选取（1，0）、（1，1）、（2，0）等小的差分
值。
当 a=1，b=0时，像素对是水平的，即0度扫描；当a=0，b=1 时，像素对是垂直的，即90度扫描；当 a=1，b=1时，像素对是
右对角线的，即45度扫描；当 a=-1，b=1时，像素对是左对角线，即135度扫描。
这样，两个象素灰度级同时发生的概率，就将 （x，y）的空间坐标转化为“灰度对” （g1，g2）的描述，形成了灰度共生矩
阵。
课上的方法时M(x,0°)，M(x,45°)，M(x,90°) ，M(x,135°)
x是步长，后者是前进角度，本质思路一样，只是计算方法不同，求出的共生矩阵都是一样的。
代码如下：
import numpy as np
data=np.array([[0,1,2,3,0,1,2],
[1,2,3,0,1,2,3],
[2,3,0,1,2,3,0],
[3,0,1,2,3,0,1],
[0,1,2,3,0,1,2],
[1,2,3,0,1,2,3],
[2,3,0,1,2,3,0]])
#求矩阵最大值
def search_max(m):
a=[] for i in range(len(m)):
a.append(max(m[i]))
MAX=max(a)
return MAX
def GLCM(m,l,A,scale):#m是初始矩阵，l是移动距离，A是角度，Scale是共生矩阵大小
glcm=np.zeros((scale,scale))
d=len(m)
for i in range(scale):
for j in range(scale):
for x in range(d):
for y in range(d):
if A==0:#方向0°
if y+l<d:#超出边界检查
if m[x][y]==i and m[x][y+l]==j:#遍历元素
glcm[i][j]+=1
elif A==45:
if 0<=(x-l) and y+l<d:#超出边界检查
if m[x][y]==i and m[x-l][y+l]==j:
glcm[i][j]+=1
elif A==90: #超出边界检查
if x+l<d:
if m[x][y]==i and m[x+l][y]==j:
glcm[i][j]+=1
weixin_38677244
- 粉丝: 5
- 资源: 1004
我的内容管理
收起
- 我的资源
快来上传第一个资源
我的收益 登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏 
我的下载 
下载帮助
会员权益专享
最新资源
- Xilinx SRIO详解.pptx
- Informatica PowerCenter 10.2 for Centos7.6安装配置说明.pdf
- 现代无线系统射频电路实用设计卷II 英文版.pdf
- 电子产品可靠性设计 自己讲课用的PPT，包括设计方案的可靠性选择，元器件的选择与使用，降额设计，热设计，余度设计，参数优化设计 和 失效分析等
- MPC5744P-DEV-KIT-REVE-QSG.pdf
- 通信原理课程设计报告（ASK FSK PSK Matlab仿真--数字调制技术的仿真实现及性能研究）
- ORIGIN7.0使用说明
- 在VMware Player 3.1.3下安装Redhat Linux详尽步骤
- python学生信息管理系统实现代码
- 西门子MES手册 13 OpcenterEXCR_PortalStudio1_81RB1.pdf
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
评论0