灰度共生矩阵（GLCM）计算速度快很多，用numpy写的

#定义最大灰度级数
gray_level = 16

def maxGrayLevel(img):
max_gray_level=0
max_gray_level = np.max(img)
return max_gray_level+1

def getGlcm(input,d_x,d_y):
srcdata=input.copy()
gray_level_array=np.ones(input.shape)*gray_level

ret=np.zeros((gray_level,gray_level)).tolist()
(height,width) = input.shape

max_gray_level = maxGrayLevel(input)
max_gray_level_array=np.ones(input.shape)*max_gray_level

#若灰度级数大于gray_level，则将图像的灰度级缩小至gray_level，减小灰度共生矩阵的大小
if max_gray_level > gray_level:
srcdata = (srcdata * gray_level_array / max_gray_level_array).astype(int)

for j in range(height-d_y):
for i in range(width-np.abs(d_x)):
rows = srcdata[j][i]
cols = srcdata[j + d_y][i+d_x]
ret[rows][cols]+=1.0

height_width_array=np.ones(np.array(ret).shape)*float(height*width)
ret/=height_width_array
return ret

def feature_computer(p1):
p=np.array(p1)
Eng=0.0
Eng = np.sum((p+1e-12)*np.log(p+1e-12))
return -Eng

def test(image_name):
img = image_name
img1 = image_name
try:
img_shape=img.shape
except:
print ('imread error')
return

img=cv2.resize(img,(int(img_shape[1]/2),int(img_shape[0]/2)),interpolation=cv2.INTER_CUBIC)

if img1.shape[2] == 3 :
img_gray=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
else:
img_gray = img

glcm_0=getGlcm(img_gray, 1,0)
eng =feature_computer(glcm_0)

return eng

参考文献：Haralick R M, Shanmugam K, Dinstein I. Textural Features for Image Classification[J]. Systems Man & Cybernetics IEEE Transactions on, 1973, smc-3(6):610-621

灰度共生矩阵（GLCM）计算速度快很多，用numpy写的相关推荐

灰度共生矩阵GLCM及其matlab实现
Prerequisites 概念计算方式对于精度要求高且纹理细密的纹理分布,我们取像素间距为d=1d = 1,以下是方向的说明: 我们来看,matlab内置工具箱中的灰度共生矩阵的生成函数gray ...
灰度共生矩阵(GLCM)
灰度共生矩阵(GLCM) 算法简介灰度共生矩阵法(GLCM, Gray - level co - occurrence matrix),就是通过计算灰度图像得到它的共生矩阵,然后透过计算该共生矩阵得 ...
matlab 灰度共生矩阵熵,图像的灰度共生矩阵GLCM(matlab 函数帮助).
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 ...
计算灰度共生矩阵GLCM
灰度共生矩阵灰度共生矩阵定义为像素对的联合分布概率,是一个对称矩阵,它不仅反映图像灰度在相邻的方向.相邻间隔.变化幅度的综合信息,但也反映了相同的灰度级像素之间的位置分布特征,是计算纹理特征的基础. ...
基于灰度共生矩阵(GLCM)的图像纹理分析与提取
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达灰度共生矩阵灰度共生矩阵(Gray Level CO-Occur ...
【OpenCV 例程 300篇】231. 特征描述之灰度共生矩阵（GLCM）
『youcans 的 OpenCV 例程200篇 - 总目录』 [youcans 的 OpenCV 例程 300篇]231. 特征描述之灰度共生矩阵(GLCM) 4.2.4 灰度共生矩阵(GLCM) ...
二维特征分类的基础_纹理特征1:灰度共生矩阵（GLCM）
GLCM复习备用: 纹理分析是对图像灰度(浓淡)空间分布模式的提取和分析.纹理分析在遥感图像.X射线照片.细胞图像判读和处理方面有广泛的应用.关于纹理,还没有一个统一的数学模型.它起源于表征纺织品表面 ...
纹理特征分析的灰度共生矩阵（GLCM）
纹理分析是对图像灰度(浓淡)空间分布模式的提取和分析.纹理分析在遥感图像.X射线照片.细胞图像判读和处理方面有广泛的应用.关于纹理,还没有一个统一的数学模型.它起源于表征纺织品表面性质的纹理概念,可以 ...
Python计算图像纹理-灰度共生矩阵
基于Python探究灰度共生矩阵(GLCM)那点事儿 - 知乎一.什么是灰度共生矩阵? 灰度共生矩阵(Gray-level co-occurrence matrix:GLCM)和相关的纹理特征计算是图 ...
python 计算灰度共生矩阵
纹理特征:灰度共生矩阵纹理特征分为四大类:统计方法(灰度共生矩阵.局部二进制)信号处理方法(小波变换.Gabor变换)模型方法(分形 SAR 自相关)结构方法(数学形态学.句法纹理分析) 灰度共生矩 ...

灰度共生矩阵（GLCM）计算速度快很多，用numpy写的

灰度共生矩阵（GLCM）计算速度快很多，用numpy写的相关推荐

最新文章

热门文章