基于灰度共生矩阵的纹理分析
一种考虑像素间空间关系的纹理检测统计方法是灰度共生矩阵(gray-level co-occurrence matrix, GLCM),也称为灰度空间依赖矩阵。GLCM函数通过计算具有特定值和特定空间关系的像素对在图像中出现的频率来描述图像的纹理,创建GLCM,然后从这个矩阵中提取统计度量。(纹理过滤器功能,描述在纹理分析不能提供关于形状的信息,即图像中像素的空间关系。)
在创建glcm之后,使用graycomatrix
,您可以使用graycoprops
.这些统计信息提供了关于图像纹理的信息。统计信息如下表所示。
统计 |
描述 |
---|---|
对比 |
测量灰度共现矩阵的局部变化。 |
相关 |
度量指定像素对出现的联合概率。 |
能源 |
提供GLCM中元素的平方和。也被称为均匀度或角秒矩。 |
同质性 |
度量GLCM中元素分布与GLCM对角线的接近度。 |
相关的例子
更多关于
这个话题有帮助吗?