广州免费自助建站平台,家用电脑当服务器建设网站,做网站多少钱保定遨游免费,合肥微信小程序开发的公司标准定义如下#xff1a;对于取定的方向θ 和距离 d, 在方向为θ的直线上, 一个像元灰度为 i, 另一个与其相距为 d
像元的灰度为 j 的点对出现的频数即为灰度共生矩阵第(i, j)阵元的值。
怎样理解呢#xff1f;看起来好复杂呀 呜呜呜
小白理解#xff1a;灰度共生矩阵就…标准定义如下对于取定的方向θ 和距离 d, 在方向为θ的直线上, 一个像元灰度为 i, 另一个与其相距为 d
像元的灰度为 j 的点对出现的频数即为灰度共生矩阵第(i, j)阵元的值。
怎样理解呢看起来好复杂呀 呜呜呜
小白理解灰度共生矩阵就是整幅图像中按照一定的平移方向相距为d的两个像素同时出现的联合概率密度分布。
怎么样还是没办法深入理解
那就上图吧
怎样理解呢 在上图中我定义的灰度级别是8所以在右边的灰度统计矩阵中就是8*8拓展如果灰度级别是k,则灰度统计矩阵就是k*k啦。看图很明白左图中定义的d肯定是1平移方向当然是水平的啦。
看到这里应该算是有大概理解了吧。
那就开始正式上菜吧
取图像(N×N)中任意一点 (xy)及偏离它的另一点 (xayb)设该点对的灰度值为 (g1g2)。令点(xy) 在整个画面上移动则会得到各种 (g1g2)值设灰度值的级数为 k则(g1g2) 的组合共有 k 的平方种。对于整个画面统计出每一种 (g1g2)值出现的次数然后排列成一个方阵再用(g1g2) 出现的总次数将它们归一化为出现的概率P(g1g2) 这样的方阵称为灰度共生矩阵。距离差分值(ab) 取不同的数值组合可以得到不同情况下的联合概率矩阵。(ab) 取值要根据纹理周期分布的特性来选择对于较细的纹理选取(10)、0,1、(11)、(-11)等小的差分值。
当 a1b0时像素对是水平的即0度扫描;当a0b1 时像素对是垂直的即90度扫描;当 a1b1时像素对是右对角线的即45度扫描;当 a-1b1时像素对是左对角线即135度扫描。
综上两个象素灰度级同时发生的概率就将 (xy)的空间坐标转化为灰度对 (g1g2)的描述形成了灰度共生矩阵。
补充一下归一化公式 --------------------- 作者离原青草 来源CSDN 原文https://blog.csdn.net/yanghui0025/article/details/79703669 版权声明本文为博主原创文章转载请附上博文链接
-----------------------------------------------------------------------------------------------------------------------------------------------------
灰度共生矩阵(GLDM)的统计方法是20世纪70年代初由R.Haralick等人提出的它是在假定图像中各像素间的空间分布关系包含了图像纹理信息的前提下提出的具有广泛性的纹理分析方法。
灰度共生矩阵被定义为从灰度为i的像素点出发离开某个固定位置相隔距离为d方位为的点上灰度值为的概率即所有估计的值可以表示成一个矩阵的形式以此被称为灰度共生矩阵。对于纹理变化缓慢的图像其灰度共生矩阵对角线上的数值较大而对于纹理变化较快的图像其灰度共生矩阵对角线上的数值较小对角线两侧的值较大。由于灰度共生矩阵的数据量较大一般不直接作为区分纹理的特征而是基于它构建的一些统计量作为纹理分类特征。Haralick曾提出了14种基于灰度共生矩阵计算出来的统计量即能量、熵、对比度、均匀性、相关性、方差、和平均、和方差、和熵、差方差、差平均、差熵、相关信息测度以及最大相关系数。
本文是借用一篇文章的例子讲解灰度共生矩阵用文字说明感觉说不清自己之前用该方法做过实验还是会忘所以干脆用例子的方式介绍下一次再看也容易理解。
在图像中任意一点x,y及偏离它的一点(xa,yb)(其中ab为整数认为定义)构成点对。设该点对的灰度值为(f1,f2),假设图像的最大灰度级为L,则f1与f2的组合共有L*L种。对于整福图像统计每一种(f1,f2)值出现的次数然后排列成一个方阵再用(f1,f2)出现的总次数将它们归一化为出现的概率P(f1,f2)由此产生的矩阵为灰度共生矩阵。
下图为一个简单的例子 图a为原图像最大灰度级为16。为表示方便这里将灰度级数减小为4级图a变为图b的形式。这样(f1,f2)取值范围便为[0,3]。取不同的间隔将(f1,f2)各种组合出现的次数排列起来就可得到图e~g所示的灰度共生矩阵。
图e表示图b中(x,y)与偏离它的(x1,y0)构成点对时(f1,f2)取值的情况(填充黄色部分为f1取0f2取1时的情况由图b填充易知共10种)。同理f,g分别表示图cd中(x,y)分别于点(x1,y1),(x2,y0)构成的点对(f1,f2)出现的情况(图c填充黄色部分表示f1取0f2取0时对角线点对(0,0)出现的情况共8种图d填充黄色部分表示f1取0f2取2时水平点对(0,2)出现的情况共9种)。例如对于a1b0点对中(0,1)的组合共出现了10次。对比可以看出(0,1),(1,2),(2,3)和(3,0)均有较高的出现频数。图b表明图像中存在明显的左上右下方向的纹理。
距离(a,b)的取值不同灰度共生矩阵中的值不同。a和b的取值要根据纹理周期分布的特征来选择对于较细的纹理选取(1,0),(1,1),(2,0)等这样的值是有必要的。a,b取值较小对应于变化缓慢的纹理图像其灰度共生矩阵对角线上的数值较大。纹理的变化越快则对角线上的数值越小而对角线两侧的值增大。
共生矩阵实际上是两个像素点的联合直方图对于图像中细而规则的纹理成对像素点的二维直方图倾向于均匀分布对于粗而规则的纹理则倾向于最对角分布。
2.灰度共生矩阵特征量
2.1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越清晰反之对比值小则沟纹浅效果模糊。 2.2 能量
能量变换反映了图像灰度分布均匀程度和纹理粗细度。若灰度共生矩阵的元素值相近则能量较小表示纹理细致若其中一些值大而其它值小则能量值较大。能量值大表明一种较均一和规则变化的纹理模式。 2.3 熵
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。 2.4 逆方差
逆方差反映了图像纹理局部变化的大小若图像纹理的不同区域间较均匀变化缓慢逆方差会较大反之较小。 2.5相关性
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得大小反应了局部灰度相关性值越大相关性也越大。
