提取圖像紋理特征——灰度共生矩陣(編輯修改稿)
2025-07-16 22:28 本頁面
【文章內容簡介】 分辨出灰度空間分布的復雜程度。 相關相關是用來衡量灰度共生矩陣的元素在行或列方向上的相似程度。當矩陣元素值均勻相等時，相關值就大；相反，如果矩陣像素值相差很大則相關值小。如果圖像中有水平方向紋理，則水平方向矩陣的相關值大于其余矩陣的相關值[4]。 熵熵是圖像具有信息量的度量，紋理信息也屬于圖像的信息，是一個隨機性的度量，當灰度共生矩陣中所有元素有最大的隨機性、灰度共生矩陣中所有值幾乎相等時，共生矩陣中元素分散分布時，熵較大[4]。它表示圖像中紋理的非均勻程度或復雜程度。若圖像沒有任何紋理，則灰度共生矩陣幾乎為零陣。它反映圖像中紋理的復雜程度或非均勻度。若紋理復雜，熵值大；反之，若圖像中灰度均勻，共生矩陣中元素大小差異大，熵值小[8]。4 程序設計程序代碼如下： Gray = imread(39。d:\39。)。[M,N,O] = size(Gray)。M = 256。 N = 256。% Gray = double(*Image(:,:,1)+*Image(:,:,2)+*Image(:,:,3))。for i = 1:Mfor j = 1:Nfor n = 1:256/16if (n1)*16=Gray(i,j)amp。Gray(i,j)=(n1)*16+15 Gray(i,j) = n1。 end end endend P = zeros(16,16,4)。 for m = 1:16 for n = 1:16for i = 1:Mfor j = 1:Nif jNamp。Gray(i,j)==m1amp。Gray(i,j+1)==n1P(m,n,1) = P(m,n,1)+1。P(n,m,1) = P(m,n,1)。endif i1amp。jNamp。Gray(i,j)==m1amp。Gray(i1,j+1)==n1P(m,n,2) = P(m,n,2)+1。P(n,m,2) = P(m,n,2)。endif iMamp。Gray(i,j)==m1amp。Gray(i+1,j)==n1P(m,n,3) = P(m,n,3)+1。P(n,m,3) = P(m,n,3)。endif iMamp。jNamp。Gray(i,j)==m1amp。Gray(i+1,j+1)==n1P(m,n,4) = P(m,n,4)+1。P(n,m,4) = P(m,n,4)。 end end end if m==n P(m,n,:) = P(m,n,:)*2。 end end enddisp(39。0度時的灰度共生矩陣：39。)。disp(P(:,:,1))。disp(39。45度時的灰度共生矩陣：39。)。disp(P(:,:,2))。disp(39。90度時的灰度共生矩陣：39。)。disp(P(:,:,3))。 disp(39。135度時的灰度共生矩陣：39。)。disp(P(:,:,4))。for n = 1:4P(:,:,n) = P(:,:,n)/sum(sum(P(
環(huán)評公示相關推薦
鄂ICP備17016276號-1