图像灰度共生矩阵cooc_feature

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。
设f(x,y)为一幅数字图像，其大小为M×N，灰度级别为Ng，则满足一定空间关系的灰度共生矩阵为：
其中#(x)表示集合x中的元素个数，显然P为Ng×Ng的矩阵，若(x1,y1)与(x2,y2)间距离为d,两者与坐标横轴的夹角为θ，则可以得到各种间距及角度的灰度共生矩阵(i,j,d,θ)。其中元素(i,j)的值表示一个灰度为i，另一个灰度为j的两个相距为d的像素对在角的方向上出现的次数。
在计算得到共生矩阵之后，往往不是直接应用计算的灰度共生矩阵，而是在此基础上计算纹理特征量，我们经常用反差、能量、熵、相关性等特征量来表示纹理特征。
(1) 反差：又称为对比度，度量矩阵的值是如何分布和图像中局部变化的多少，反应了图像的清晰度和纹理的沟纹深浅。纹理的沟纹越深，反差越大，效果清晰；反之，对比值小，则沟纹浅，效果模糊。

(2) 能量：是灰度共生矩阵各元素值的平方和，是对图像纹理的灰度变化稳定程度的度量，反应了图像灰度分布均匀程度和纹理粗细度。能量值大表明当前纹理是一种规则变化较为稳定的纹理。

(3) 熵：是图像包含信息量的随机性度量。当共生矩阵中所有值均相等或者像素值表现出最大的随机性时，熵最大；因此熵值表明了图像灰度分布的复杂程度，熵值越大，图像越复杂。

(4) 相关性：也称为同质性，用来度量图像的灰度级在行或列方向上的相似程度，因此值的大小反应了局部灰度相关性，值越大，相关性也越大。

在halcon中提供了cooc_feature_image算子来计算灰度共生矩阵，

cooc_feature_image(Regions, Image : : LdGray, Direction : Energy, Correlation, Homogeneity, Contrast)
1
Parameters
Regions (input_object) region(-array) → object Region to be examined.
Image (input_object) singlechannelimage → object (byte) Corresponding gray values.
LdGray (input_control) integer → (integer)
Number of gray values to be distinguished ().
Default value: 6
List of values: 1, 2, 3, 4, 5, 6, 7, 8
Direction (input_control) integer → (integer / string)
Direction in which the matrix is to be calculated.
Default value: 0
List of values: 0, 45, 90, 135, ‘mean’
Energy (output_control) real(-array) → (real)
Gray value energy.
Correlation (output_control) real(-array) → (real)
Correlation of gray values.
Homogeneity (output_control) real(-array) → (real)
Local homogeneity of gray values.
Contrast (output_control) real(-array) → (real)
Gray value contrast.
2、 cooc_feature_image ( Regions, Image : : LdGray, Direction : Energy, Correlation, Homogeneity, Contrast ) 计算共生矩阵和推导出灰度特征值 Direction：灰度共生矩阵计算的方向 Energy：灰度值能量 Correlation：灰度值的相关性 Homogeneity：灰度值的均匀性 Contrast：灰度值的对比度

例程：

Calculate a co-occurrence matrix and derive gray value features thereof 计算共生矩阵和推导出灰度特征值

read_image (Image, ‘mreut’)
get_image_size (Image, Width, Height)
dev_close_window ()
dev_open_window (0, 0, Width, Height, ‘black’, WindowID)
dev_display (Image)
dev_set_draw (‘margin’)

Create a rectangle parallel to the coordinate axes
gen_rectangle1 (Rectangle1, 350, 100, 450, 200)
gen_rectangle1 (Rectangle2, 100, 200, 200, 300)
cooc_feature_image (Rectangle1, Image, 6, 0, Energy1, Correlation1, Homogenity1, Contrast1)
cooc_feature_image (Rectangle2, Image, 6, 0, Energy2, Correlation2, Homogenity2, Contrast2)

通过对两个区域的共生矩阵进行对比分析发现，纹理信息在表征物体是否存在上面还是存在很大的差别。因此在做图像识别时可以将纹理信息纳入到特征量中形成特征样本库，最后在进行机器学习获得最终正确的分类
————————————————
版权声明：本文为CSDN博主「不系之舟913」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/lixianjun913/article/details/52228305

图像灰度共生矩阵cooc_feature_image.hdev相关推荐

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 ...
matlab灰色共生矩阵,matlab灰度共生矩阵
P. 通过实验证明了基于灰度共生矩阵的统计特征的有效性.洪继光于 1984 年在灰...0.0931894 图 2 实验用半调图该结果各项数据经与使用 Matlab 处理的结果...... 针对图像 ...
【图像算法】图像特征：GLCM灰度共生矩阵纹理特征
[图像算法]图像特征:GLCM SkySeraph Aug 27th 2011 HQU Email:zgzhaobo@gmail.com QQ:452728574 Latest Modifie ...
图像中的灰度共生矩阵
1.图像共生矩阵的用途纹理特征提取的一种有效方法是以灰度级的空间相关矩阵及共生矩阵为基础的.因为图像中相距(△x,△y)的两个灰度像素同时出现联合频率分布可以用灰度共生矩阵来表示.若图像的灰度定为N ...
图像特征提取——灰度共生矩阵（GLCM）
灰度共生矩阵(Gray-level Co-occurrence Matrix,GLCM) 又叫做灰度共现矩阵概念: 像素灰度在空间位置上的反复出现形成图像的纹理,GLCM是描述具有某种空间位置关系两 ...
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灰度共生矩阵OpenCV和scikit-image图像特征分析和K-最近邻算法
我们可以通过观察在视觉上区分图像的纹理: 图案环空间分布颜色排列和强度下图是一张图像上的纹理图,其分布为 50% 黑色和 50% 白色平均值.中值.标准差等统计计算将无法区分上面的 3 张图像 ...
matlab 灰度共生矩阵熵,结合灰度共生矩阵和熵的图像修复算法
摘要: 利用灰度共生矩阵提取图像纹理特征值,然后根据熵值的大小来实现模块大小的选择.另外,在寻找最佳匹配块时,同时考虑了颜色信息的差异和空间距离的因素.最后,给出了客观评价图像修复质量的PSNR度量 ...
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 ...
图像纹理特征（灰度共生矩阵等）解析和编程调用
图像纹理特征本文主要介绍医学影像领域常用到的基于图像灰度值变化所衍生出的各项纹理特征,理论部分主要参考了文献1,同时介绍了相关函数调用方式. 灰度共生矩阵灰度共生矩阵2,Gray-Level ...

图像灰度共生矩阵cooc_feature_image.hdev

图像灰度共生矩阵cooc_feature_image.hdev相关推荐

最新文章

热门文章