灰度共生矩阵的理解 | 您所在的位置:网站首页 › 灰度共生矩阵的理解 › 灰度共生矩阵的理解 |
(转载) 一直计划着使用灰度共生矩阵来提取图像的纹理特征,就在一些论坛里搜罗来了不少程序,然后机械地来处理手头的图片,获得了一些个数字,就以为灰度共生矩阵法就这么回事了。这些天专门研学习一下这个方法,觉得学习上还是存在问题!发现:其实,自己对灰度共生矩阵怎么来的,计算又是怎么计算的,并不清楚,郁闷却无解。 通过跟一些网友交流,肯定了这个想法之后,认真的看了一些资料,有以下新认识: 灰度共生矩阵法,顾名思义,就是通过计算灰度图像得到它的共生矩阵,然后透过计算这个共生矩阵得到矩阵的部分特征值,来分别代表图像的某些纹理特征(纹理的定义仍是难点)。灰度共生矩阵能反映图像灰度关于方向、相邻间隔、变化幅度的综合信息,它是分析图像的局部模式和它们排列规则的基础。 对于灰度共生矩阵的理解,需要明确几个概念:方向,偏移量和灰度共生矩阵的阶数。 1、 方向 一般计算过程会分别选在几个不同的方向来进行,常规的是0°、45°、90°、135°,理论上的所有方向计算方法不可取。 定义如下: 水平方向为0°垂直的90°,以及45°和135°(大致如上图所画) 2、偏移量(offset:下面例子中,取值为1来帮助理解) 3、灰度共生矩阵的阶数和灰度图像的灰度值的阶数是一致的,即当灰度图像的灰度值的阶数是N时,灰度共生矩阵为N*N的矩阵。
0 0 0 1 2 0 0 1 1 2 0 1 1 1 1 1 1 2 2 1 1 2 2 1 0 假定offset为1,取0°方向求共生矩阵时: 最初取点(1,1) 和(1,2) ,此时在频度矩阵的(0,0)处加1((1,1)点的灰度值为0,(1,2)点的灰度也为0); 然后取(1,2) 和(1,3)点,此时也在频度矩阵的(0,0)处加1; 接着取到(1,3) 和(1,4)点,此时也在频度矩阵的(0,0)处加1; 接着取到(1,4) 和(1,5) 点,此时在频度矩阵的(1,0)处加1((1,5)点的灰度值为1 ,(1,4)点的灰度为0)。 直到每一行都取遍即可。 假定offset为1,取45°方向求共生矩阵时: 最初取点(1,1) 和(2,2) ,此时在45°方向频度矩阵的(0,0)处加1((1,1)点的灰度值为0,(2,2)点的灰度也为0); 然后取(1,2) 和(2,3)点,此时在45°方向频度矩阵的(0,1)处加1; 接着取到(1,3) 和(2,4)点,此时也在45°方向频度矩阵的(0,1)处加1; 接着取到(1,4) 和(2,5) 点,此时在45°方向频度矩阵的(1,2)处加1((1,4)点的灰度值为1 ,(2,5)点的灰度为2)。 然后下一行,直到每一行合适的值都取遍即可。 另两个方向的情况相似。 最后得到如下四个频度矩阵
10 0 1 2 0 3 3 0 1 1 5 4 2 0 2 2 11 0 1 2 0 1 5 0 1 0 3 5 2 1 1 0
0°方向频度矩阵 45°方向频度矩阵
10 0 1 2 0 3 3 0 1 1 6 3 2 0 2 2 10 0 1 2 0 3 0 0 1 0 7 2 2 0 2 2
90°方向频度矩阵 135°方向频度矩阵
在用matlab编程时由于matlab的矩阵的下脚标是从1开始的所以矩阵的形式类似于下面的形式: p(I(i,j)+1,I(i,j+1)+1)= p(I(i,j)+1,I(i,j+1)+1)+1;这是0°方向的计算式 这里,灰度阶数即从最低的0变成最低为1 四个方向的计算式,大致如下: p1(IN(M,N)+1,IN(M,N+1)+1)= p1(IN(M,N)+1,IN(M,N+1)+1)+1;%是共生矩阵0度的计算式 p1(IN(M,N)+1,IN(M-1,N+1)+1)= p1(IN(M,N)+1,IN(M-1,N+1)+1)+1;%是45度的计算式 p1(IN(M,N)+1,IN(M-1,N)+1)= p1(IN(M,N)+1,IN(M-1,N)+1)+1;%是共生矩阵90度的计算式 p1(IN(M,N)+1,IN(M-1,N-1)+1)= p1(IN(M,N)+1,IN(M-1,N-1)+1)+1;%是135度的计算式
现在各个方向统计完毕,然后将频度矩阵/总频次即得共生矩阵 这时候得到四个共生矩阵,分别是、、、 其编程实现,可参见如下代码: %2.为了减少计算量,对原始图像灰度级压缩,将Gray量化成16级 %-------------------------------------------------------------------------- for i = 1:M for j = 1:N for n = 1:256/16 if (n-1)*16 |
CopyRight 2018-2019 实验室设备网 版权所有 |