灰度共生矩阵

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。应用由上面的叙述知道，可以根据各种间距和角度计算灰度共生矩阵，下面程序中给定了间距，根据传入的参数计算：#defineGLCM_DIS3//灰度共生矩阵的统计距离#defineGLCM_CLASS16//计算灰度共生矩阵的图像灰度值等级化#defineGLCM_ANGLE_HORIZATION0//水平#defineGLCM_ANGLE_VERTICAL1//垂直#defineGLCM_ANGLE_DIGONAL2//对角intcalGLCM(IplImage*bWavelet,intangleDirection,double*featureVector){inti,j;intwidth,height;if(NULL==bWavelet)return1;width=bWavelet-width;height=bWavelet-height;int*glcm=newint[GLCM_CLASS*GLCM_CLASS];int*histImage=newint[width*height];if(NULL==glcm||NULL==histImage)return2;//灰度等级化---分GLCM_CLASS个等级uchar*data=(uchar*)bWavelet-imageData;for(i=0;iheight;i++){for(j=0;jwidth;j++){histImage[i*width+j]=(int)(data[bWavelet-widthStep*i+j]*GLCM_CLASS/256);}}//初始化共生矩阵for(i=0;iGLCM_CLASS;i++)for(j=0;jGLCM_CLASS;j++)glcm[i*GLCM_CLASS+j]=0;//计算灰度共生矩阵intw,k,l;//水平方向if(angleDirection==GLCM_ANGLE_HORIZATION){for(i=0;iheight;i++){for(j=0;jwidth;j++){l=histImage[i*width+j];if(j+GLCM_DIS=0&&j+GLCM_DISwidth){k=histImage[i*width+j+GLCM_DIS];glcm[l*GLCM_CLASS+k]++;}if(j-GLCM_DIS=0&&j-GLCM_DISwidth){k=histImage[i*width+j-GLCM_DIS];glcm[l*GLCM_CLASS+k]++;}}}}//垂直方向elseif(angleDirection==GLCM_ANGLE_VERTICAL){for(i=0;iheight;i++){for(j=0;jwidth;j++){l=histImage[i*width+j];if(i+GLCM_DIS=0&&i+GLCM_DISheight){k=histImage[(i+GLCM_DIS)*width+j];glcm[l*GLCM_CLASS+k]++;}if(i-GLCM_DIS=0&&i-GLCM_DISheight){k=histImage[(i-GLCM_DIS)*width+j];glcm[l*GLCM_CLASS+k]++;}}}}//对角方向elseif(angleDirection==GLCM_ANGLE_DIGONAL){for(i=0;iheight;i++){for(j=0;jwidth;j++){l=histImage[i*width+j];if(j+GLCM_DIS=0&&j+GLCM_DISwidth&&i+GLCM_DIS=0&&i+GLCM_DISheight){k=histImage[(i+GLCM_DIS)*width+j+GLCM_DIS];glcm[l*GLCM_CLASS+k]++;}if(j-GLCM_DIS=0&&j-GLCM_DISwidth&&i-GLCM_DIS=0&&i-GLCM_DISheight){k=histImage[(i-GLCM_DIS)*width+j-GLCM_DIS];glcm[l*GLCM_CLASS+k]++;}}}}//计算特征值doubleentropy=0,energy=0,contrast=0,homogenity=0;for(i=0;iGLCM_CLASS;i++){for(j=0;jGLCM_CLASS;j++){//熵if(glcm[i*GLCM_CLASS+j]0)entropy-=glcm[i*GLCM_CLASS+j]*log10(double(glcm[i*GLCM_CLASS+j]));//能量energy+=glcm[i*GLCM_CLASS+j]*glcm[i*GLCM_CLASS+j];//对比度contrast+=(i-j)*(i-j)*glcm[i*GLCM_CLASS+j];//一致性homogenity+=1.0/(1+(i-j)*(i-j))*glcm[i*GLCM_CLASS+j];}}//返回特征值i=0;featureVector[i++]=entropy;featureVector[i++]=energy;featureVector[i++]=contrast;featureVector[i++]=homogenity;delete[]glcm;delete[]histImage;return0;}