提取图像纹理特征程序设计灰度共生矩阵

《提取图像纹理特征程序设计灰度共生矩阵》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、沈阳理工大学数字图像处理课程设计摘要图像的特征提取是图像的识别和分类、基于内容的图像检索、图像数据挖掘等研究内容的基础性工作，其中图像的纹理特征对描述图像内容具有重要意义，纹理特征提取己成为目前图像领域研究的热点。文中深入研究了基于灰度共生矩阵(GLCM)的纹理特征提取方法，给出了基于Matlab的简便实现代码，分析了共生矩阵各个构造参数对构造共生矩阵的影响。分析结果对优化灰度共生矩阵的构造、实现基于灰度共生矩阵(GLCM)的特定图像的纹理特征提取等都具有重要参考意义。本文分析了图像纹理的特征提取—灰度共生矩阵，是物体表而最本质的

2、属性。纹理特征提取是作为纹理分析的首要任务，纹理提出了用灰度共生矩阵的方法提取纹理特征，通过MA丁LAB仿真实现，结果由灰度共生矩阵产生的四个纹理特征能具有较好的鉴别能力。关键词:特征提取；灰度共生矩阵；纹理特征；MatlabII沈阳理工大学数字图像处理课程设计目录1设计目的12设计方案22.1二阶距(能量)22.2对比度22.3相关32.4熵33程序设计44仿真结果与分析84.1仿真图84.2结果分析11结束语12参考文献13II沈阳理工大学数字图像处理课程设计1设计目的由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图

3、像空间中相隔某距离的两象素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。直觉上来说，如果图像的是由具有相似灰度值的像素块构成，则灰度共生矩阵的对角元素会有比较大的值；如果图像像素灰度值在局部有变化，那么偏离对角线的元素会有比较大的值。灰度直方图是对图像上单个象素具有某个灰度进行统计的结果，而灰度共生矩阵是对图像上保持某距离的两象素分别具有某灰度的状况进行统计得到的。17沈阳理工大学数字图像处理课程设计2设计方案灰度共生矩阵的特征参数：灰度共生矩阵反映的是图

4、像灰度关于方向、相邻间隔、变化幅度的综合信息。通过灰度共生矩阵可以分析图像的局部模式和排列规则等，为了能更直观地以灰度共生矩阵描述纹理状况，一般不直接应用得到的共生矩阵，而是在其基础上获取二次统计量。为了分析方便，先将各个元素dP(i,j)除以各元素之和S，得到各元素都小于1的归一化值dˆP(i.j)，由此得到归一化共生矩阵。Haralick等人定义了14个用于纹理分析的灰度共生矩阵特征参数。Ulaby等人研究发现:在基GLCM的14个纹理特征中,仅有4个特征是不相关的,这4个特征既便于计算又能给出较高的分类精度，一般采用下面四个

5、[4]最常用的特征来提取图像的纹理特征。2.1二阶距(能量)二阶距是灰度共生矩阵元素值得平方和，所以也称为能量，反映了图像灰度分布均匀程度和纹理粗细程度。如果灰度共生矩阵的所有值均相等，则f1小。如果其中一些值大而其他值小，则f1大。当f1大时，纹理粗，能量大；反之，f1小时，纹理细，能量小。2.2对比度对比度反映了图像的清晰度和纹理沟纹深浅的程度，计算公式如3.2。纹理的沟纹深度大，效果清晰；反之，对比度小，则沟纹浅，效果模糊。灰度差即对比度大的像素对越多，这个值越大。灰度共生矩阵中远离对角线的元素值越大，对比度越大。17沈阳理

6、工大学数字图像处理课程设计2.3相关相关是用来衡量灰度共生矩阵的元素在行或列方向上的相似程度，计算公式如3.3.1。当矩阵元素值均匀相等时，相关值就大；相反，如果矩阵像素值相差很大则相关值小。如果图像中有水平方向纹理，则水平方向矩阵的相关值大于其余矩阵的相关值。2.4熵熵是图像具有信息量的度量，纹理信息也属于图像的信息，是一个随机性的度量，当灰度共生矩阵中所有元素有最大的随机性、灰度共生矩阵中所有值几乎相等时，共生矩阵中元素分散分布时，熵较大。它表示图像中纹理的非均匀程度或复杂程度。若图像没有任何纹理，则灰度共生矩阵几乎为零阵。它

7、反映图像中纹理的复杂程度或非均匀度。若纹理复杂，熵值大；反之，若图像中灰度均匀，共生矩阵中元素大小差异大，熵值小。17沈阳理工大学数字图像处理课程设计3程序设计程序代码如下：T=imread('D:1.jpg')%读取D盘下的图片Image=imread('D:1.jpg');%Image=rgb2gray(k);[M,N,O]=size(Image);M=256;N=256;ifisrgb(Image)%判断是否是RGBdisp('是RGB图像，开始转化成灰度像！！！');Gray=rgb2gray(Image);endfo

8、ri=1:Mforj=1:Nforn=1:256/1617沈阳理工大学数字图像处理课程设计if(n-1)*16<=Gray(i,j)&&Gray(i,j)<=(n-1)*16+15Gray(i,j)=n-1;endendendendP=zeros(