数字图像处理

灰度共生矩阵特征计算： 能量：是灰度共生矩阵元素值的平方和，所以也称能量，反映了图像灰度分布均匀程度和纹理粗细度。如果共生矩阵的所有值均相等，则ASM值小；相反，如果其中一些值大而其它值小，则ASM值大。当共生矩阵中元素集中分布时，此时ASM值大。ASM值大表明一种较均一和规则变化的纹理模式。 A S M = ∑ i = 1 k ∑ j = 1 k ( G ( i , j ) ) 2 ASM = \sum_{i=1}^k\sum_{j=1}^k (G(i,j))^2 ASM=i=1∑k​j=1∑k​(G(i,j))2

对比度：直接反映了某个像素值及其领域像素值的亮度的对比情况。如果偏离对角线的元素有较大值，即图像亮度值变化很快，则CON会有较大取值，这也符合对比度的定义。其中 。反映了图像的清晰度和纹理沟纹深浅的程度。纹理沟纹越深，其对比度越大，视觉效果越清晰；反之，对比度小，则沟纹浅，效果模糊。灰度差即对比度大的象素对越多，这个值越大。灰度公生矩阵中远离对角线的元素值越大，CON越大。 C O N = ∑ n = 0 k − 1 n 2 { ∑ ∣ i − j ∣ = n G ( i , j ) } CON = \sum_{n=0}^{k-1}n^2\{\sum_{|i-j|=n} G(i,j)\} CON=n=0∑k−1​n2{∣i−j∣=n∑​G(i,j)}

熵：是图像所具有的信息量的度量，纹理信息也属于图像的信息，是一个随机性的度量，当共生矩阵中所有元素有最大的随机性、空间共生矩阵中所有值几乎相等时，共生矩阵中元素分散分布时，熵较大。它表示了图像中纹理的非均匀程度或复杂程度。 E N T = − ∑ i = 1 k ∑ j = 1 k G ( i , j ) log ⁡ G ( i , j ) ENT = - \sum_{i=1}^k\sum_{j=1}^k G(i,j)\log G(i,j) ENT=−i=1∑k​j=1∑k​G(i,j)logG(i,j)

相关性：自相关反应了图像纹理的一致性。如果图像中有水平方向纹理，则水平方向矩阵的COR大于其余矩阵的COR值。它度量空间灰度共生矩阵元素在行或列方向上的相似程度，因此，相关值大小反映了图像中局部灰度相关性。当矩阵元素值均匀相等时，相关值就大;相反，如果矩阵像元值相差很大则相关值小 C O R = ∑ i = 1 k ∑ j = 1 k ( i , j ) G ( i , j ) − u i u j s i , s j COR = \sum_{i=1}^k\sum_{j=1}^k \frac{ (i,j)G(i,j)-u_iu_j}{s_i,s_j} COR=i=1∑k​j=1∑k​si​,sj​(i,j)G(i,j)−ui​uj​​