Gray-level co-occurrence matrix from an image

图像的灰度共生矩阵

灰度共生矩阵是像素距离和角度的矩阵函数，它穿越计算图像中定然距离和定然方向的两点灰度之间的相干性，来反映图像在方向、间隔、改变幅度及快慢上的归纳消息。

利用措施：

glcm = graycomatrix(I)

glcms = graycomatrix(I,param1,val1,param2,val2,...)

[glcms,SI] = graycomatrix(...)

描写：

glcms = graycomatrix(I) 发生图像I的灰度共生矩阵GLCM。它是穿越计算两灰度值在图像I中程度邻接的次数而获得的

(也无须是程度邻接的次数，这一参数是可调的，可能穿越Offsets来举行调剂，例如[0 D]代表是程度方向，[-D

D]代表是右上角45度方向，[-D 0]代表是竖直方向，即90度方向，而[-D

-D]则代表是左上角，即135度方向)，GLCM中的每一个元素(i,小狗吸尘器j)代表灰度i与灰度j在图像中程度邻接的次数。

因为动态地求取图像的GLCM区间代价过高，我们便率先将灰度值转换到I的灰度区间里。万一I是一个二值图像，那么灰度共生矩阵就将图像转换到两级。万一I是一个灰度图像，

那将转换到8级。灰度的级数定夺了GLCM的大小尺寸。你能够穿越设定参数“NumLevels”来指定灰度的级数，还能够穿越设置“GrayLimits"参数来设置灰度共生矩阵的转换措施。

下图揭示了如何求解灰度共生矩阵，以(1，1)点为例，GLCM(1，1)值为1解释只有一对灰度为1的像素程度邻接。GLCM(1，2)值为2，是因为有两对灰度为1和2的像素程度邻接。

glcms = graycomatrix(I,param1,val1,param2,val2,...)

归来一个或多个灰度灰度共生矩阵，依据指定的参数。参数能够很简短，并且对大小写不敏感。

参数

'GrayLimits'

是两个元素的向量，表示图像中的灰度照射的范围，万一其设为[]，灰度共生矩阵将利用图像I的最小及最大灰度值作为GrayLimits

'NumLevels'

一个整数，代表是将图像中的灰度归一范围。示例来说，万一NumLevels为8，含义即便将图像I的灰度照射到1到8之间，它也定夺了灰度共生矩阵的大小

'Offset' 上面有解释，是一个p*2的整数矩阵，D代表是目前像素与邻居的距离，穿越设置D值，即可设置角度

Angle Offset

0 [0 D]

45 [-D D]

90 [-D 0]

135 [-D -D]

示例：

计算灰度共生矩阵，并且归来缩放后的图像，SI

I = [ 1 1 5 6 8 8; 2 3 5 7 0 2; 0 2 3 5 6 7];

[glcm,SI] = graycomatrix(I,'NumLevels',9,'G',[])

计算灰度图像的灰度共生矩阵

I = imread('circuit.tif');

glcm = graycomatrix(I,'Offset',[2 0]);

灰度共生矩阵的个性：

角二阶矩(Angular Second Moment, ASM)

ASM=sum(p(i,j).^2) p(i,j)指归一后的灰度共生矩阵

角二阶矩是图像灰度散布平衡程度和纹理粗细的一个气度，当图像纹理绞精细、灰度散布平衡时，能量值较大，反之，较小。

熵(Entropy, ENT)

ENT=sum(p(i,j)*(-ln(p(i,j)))

是描写图像具有的消息量的气度，阐明图像的混杂过程，当混杂过程高时，熵值较大，反之则较小。

反差分矩阵(Inverse Differential Moment, IDM)

IDM=sum(p(i,j)/(1+(i-j)^2))

反映了纹理的打听程度和法定程度，纹理打听、规律性较强、易于描写的，值较大；狼籍不堪的，难于描写的，值较小人们都能够穿越网络在家中迅捷看到它所报道的内容。互联网也供给了新的新闻起源，