基于象元glcm紋理特征提取(編輯修改稿)
2025-07-23 05:34 本頁面
【文章內(nèi)容簡介】 級將要壓縮到的等級，例如32。得到的共生矩陣如圖6所示：圖6 灰度共生矩陣（頻率表示）上圖共生矩陣生成說明：共生矩陣的行號對應(yīng)基準(zhǔn)窗口的象元值，列號對應(yīng)移動窗口的象元值。例如紅色框中的左上角像素值為1，而藍色框中的左上角像素值為4，則共生矩陣中的（1，4）位置即為1，當(dāng)然如果紅色框和藍色框的相同位置還分別出現(xiàn)1和4時，則共生矩陣的（1，4）位置相應(yīng)的應(yīng)累加1，即為2。共生矩陣其他位置的計算以此類推。由于紋理特征計算利用的是概率，所以還應(yīng)該把共生矩陣中的值轉(zhuǎn)換為概率值，方法是用各個元素值除以矩陣中所有元素的和（上圖元素和為9），最后可以得到最后的方陣，即為共生矩陣。如圖7所示：圖7 灰度共生矩陣（概率表示）第二步：基于共生矩陣的紋理特征值計算以熵（Entropy）紋理特征值為例來說明，Entropy主要用來衡量圖像的無序性。當(dāng)圖像的紋理極不一致時，灰度共生矩陣中各元素的值將偏小，這將意味該紋理具有較大的熵值。例如，如果一個窗口內(nèi)像素的灰度值呈現(xiàn)完全的隨機分布(白噪聲)，這樣窗口內(nèi)圖像的直方圖分布將呈現(xiàn)一個常數(shù)函數(shù)，也就是說當(dāng)所有灰度值對出現(xiàn)的頻率相等時，Entropy達到最大。熵的表達式如下所示：其中表示原圖像灰度壓縮的等級（
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1