灰度共生矩阵

1、灰度共生矩阵概念：像素灰度在空间位置上的反复出现形成图像的纹理，GLCM是描述具有某种空间位置关系两个像素灰度的联合分布含义：就是两个像素灰度的联合直方图，是一种二阶统计量就是两个像素点的关系 $ =像素关系可以根据不同的纹理特性进行选择，也就是。工 %的大小可以自由选像素的空间位置关系：取。对于较细的纹理分析可以取像素间距为1,6= （土U是水平扫描；s =（0 1）是垂直扫描； 在三（-1,1）是45度扫描； ”T1）是135度扫描（原博文有错误）。一旦位置空间确定，就可以生成灰度共生矩阵。矩阵的物理意义：用表示灰度共生矩阵，它是一个L X上的矩阵（L为灰度级，就是一幅图中包含的不同灰度或

2、者颜色的个数） ,凡,力（仃L2,上一 1）是具有空间位置关系且灰度分别为i和j的两个像素出现的次数或频率（归一化）例如：下图是某纹理像素的放大，和对应的像素灰度矩阵此图像只有三种灰度，故灰度级为3,灰度共生矩阵是一个3*3的矩阵0 10 10 = (1,0)2 : 10 0 1010 10 0归一化形式为,01/61/6Ps = i/601/61/6 1/60改变位置空间的定义，灰度共生矩阵相应地改变:16 0 0?=0 16 0 ,=0 0 18归一化形式为：8/2500Ps= 08/250009/25-矩阵的特征量：从灰度共生矩阵上可以简单的看出，如果对角附近的元素有较大的值，说明图像的

3、像素具有相似的像素值，如果偏离对角线的元素会有比较大的值，说明像素灰度在局部有较大变化。为了得到更多的纹理特征，我们还需要在进行计算： 对比度）（或反差）（contrast）:纹理沟纹越深，其对比度越大，视觉效果越清晰；反之，对比度小，则沟纹浅，效果模糊。灰度差即对比度大的象素对越多，这个值越大。灰度公生矩阵中远离对角线的元素值越大，con越大。所以con越大图像越清晰相关度 (inverse different moment ):度量空间灰度共生矩阵元素在行或列方向上的相似程度，因此，相关值大小反映了图像中局部灰度相关性。当矩阵元素值均匀相等时，相关值就大；相反，如果矩阵像元值相差很大则相关

4、值小。IDE =反映了图像灰度分布均匀程度和纹能量：是灰度共生矩阵元素值的平方和，所以也称之为能量,理粗细度。ASM值大表明一种较均一和规则变化的纹理模式。Wi嫡（entropy）:嫡在物理中的含义就是物体的规则度，越有序嫡越小，越无序嫡越大。此处嫡同样表示图像的信息量，当共生矩阵中所有元素有最大的随机性、空间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，嫡较大。它表示了图像中纹理的非均匀程度或复杂程度。Em*=工（3力1吨国力自相关(correlation)：反应了图像纹理的一致性。如果图像中有水平方向纹理，则水平方向矩阵 的COR大于其余矩阵的COR值。代码：GLCM.h#incl

5、ude#include #include #includeiterator#includefunctional#includealgorithm#include using namespace std;using namespace cv;typedef vectorvector VecGLCM;typedef struct _GLCMFeatures_GLCMFeatures():energy(0.0),entropy(0.0),contrast(0.0),idMoment(0.0)double energy;/ 能量double entropy;/ 嫡double contrast; /

6、对比度double idMoment; / 逆差分矩，inverse difference moment GLCMFeatures;class GLCMpublic:GLCM();GLCM();public:/ 枚举灰度共生矩阵的方向enumGLCM_HORIZATION = 0,/ 水平GLCM_VERTICAL = 1,/ 垂直GLCM_ANGLE45 = 2,/ 45 度角GLCM_ANGLE135 = 3/ 135 度角;public:/ 计算灰度共生矩阵void calGLCM(IplImage* inputImg, VecGLCM& vecGLCM, int angle);/ 计算

7、特征值void getGLCMFeatures(VecGLCM& vecGLCM, GLCMFeatures& features);public:/ 初始化灰度共生矩阵void initGLCM(VecGLCM& vecGLCM, int size = 16);/ 设置灰度划分等级，默认值为16void setGrayLevel(int grayLevel) m_grayLevel = grayLevel; / 获取灰度等级int getGrayLevel() const return m_grayLevel; private:/ 计算水平灰度共生矩阵void getHorisonGLCM(V

8、ecGLCM &src, VecGLCM &dst, int imgWidth, int imgHeight);/ 计算垂直灰度共生矩阵void getVertialGLCM(VecGLCM &src, VecGLCM &dst, int imgWidth, int imgHeight);/ 计算45 度灰度共生矩阵void getGLCM45(VecGLCM &src, VecGLCM &dst, int imgWidth, int imgHeight);/ 计算135 度灰度共生矩阵void getGLCM135(VecGLCM &src, VecGLCM &dst, int imgWid

9、th, int imgHeight); private:int m_grayLevel; / 将灰度共生矩阵划分为grayLevel 个等级;GLCM.cpp#include GLCM.hGLCM:GLCM() : m_grayLevel(16)GLCM:GLCM()/=/函数名称:initGLCM/参数说明：vecGLCM,要进行初始化的共生矩阵，为二维方阵/ size,二维矩阵的大小，必须与图像划分的灰度等级相等/函数功能：初始化二维矩阵/= void GLCM:initGLCM(VecGLCM& vecGLCM, int size)(assert(size = m_grayLevel);

10、vecGLCM.resize(size);for (int i = 0; i size; +i)(vecGLCMi.resize(size);for (int i = 0; i size; +i)(for (int j = 0; j size; +j)(vecGLCMij = 0;/=/ 函数名称：getHorisonGLCM/参数说明：src,要进行处理的矩阵，源数据/dst,输出1阵，计算后的矩阵，即要求的灰度共生矩阵/imgWidth,图像宽度/imgHeight,图像高度/函数功能：计算水平方向的灰度共生矩阵/= void GLCM:getHorisonGLCM(VecGLCM &sr

11、c, VecGLCM &dst, int imgWidth, int imgHeight) (int height = imgHeight;int width = imgWidth;for (int i = 0; i height; +i)(for (int j = 0; j width - 1; +j)(int rows = srcij;int cols = srcij + 1;dstrowscols+;)/=/ 函数名称：getVertialGLCM/参数说明：src,要进行处理的矩阵，源数据/dst,输出1阵，计算后的矩阵，即要求的灰度共生矩阵/imgWidth,图像宽度/imgHeig

12、ht,图像高度/函数功能：计算垂直方向的灰度共生矩阵/= void GLCM:getVertialGLCM(VecGLCM &src, VecGLCM &dst, int imgWidth, int imgHeight)int height = imgHeight;int width = imgWidth;for (int i = 0; i height - 1; +i)for (int j = 0; j width; +j)int rows = srcij;int cols = srci + 1j;dstrowscols+;)/=/函数名称：getGLCM45/参数说明：src,要进行处理的

13、矩阵，源数据/dst,输出1阵，计算后的矩阵，即要求的灰度共生矩阵/imgWidth,图像宽度/imgHeight,图像高度/函数功能：计算45度的灰度共生矩阵/= void GLCM:getGLCM45(VecGLCM &src, VecGLCM &dst, int imgWidth, int imgHeight) int height = imgHeight;int width = imgWidth;for (int i = 0; i height - 1; +i)for (int j = 0; j width - 1; +j)(int rows = srcij;int cols = sr

14、ci + 1j + 1;dstrowscols+;/=/ 函数名称：getGLCM135/参数说明：src,要进行处理的矩阵，源数据/dst,输出1阵，计算后的矩阵，即要求的灰度共生矩阵/imgWidth,图像宽度/imgHeight,图像高度/函数功能：计算135度的灰度共生矩阵/= void GLCM:getGLCM135(VecGLCM& src, VecGLCM& dst, int imgWidth, int imgHeight)(int height = imgHeight;int width = imgWidth;for (int i = 0; i height - 1; +i)(

15、for (int j = 1; j nChannels = 1);IplImage* src = NULL;src = cvCreateImage(cvGetSize(inputImg), IPL_DEPTH_32S, inputImg -nChannels); cvConvert(inputImg, src);int height = src -height;int width = src -width;int maxGrayLevel = 0;/ 寻找最大像素灰度最大值for (int i = 0; i height; +i)for (int j = 0; j maxGrayLevel)m

16、axGrayLevel = grayVal;/ end for i+maxGrayLevel;VecGLCM tempVec;/ 初始化动态数组tempVec.resize(height);for (int i = 0; i 16)/ 若灰度级数大于16，则将图像的灰度级缩小至16 级，减小灰度共生矩阵的大小。for (int i = 0; i height; +i)for (int j = 0; j width; +j)int tmpVal = cvGetReal2D(src, i, j);tmpVal /= m_grayLevel;tempVecij = tmpVal;if (angle

17、= GLCM_HORIZATION) / 水平方向getHorisonGLCM(tempVec, vecGLCM, width, height);if (angle = GLCM_VERTICAL) / 垂直方向getVertialGLCM(tempVec, vecGLCM, width, height);if (angle = GLCM_ANGLE45) / 45 度灰度共生阵 getGLCM45(tempVec, vecGLCM, width, height);if (angle = GLCM_ANGLE135) / 135 度灰度共生阵 getGLCM135(tempVec, vecGL

18、CM, width, height);else/若灰度级数小于16,则生成相应的灰度共生矩阵for (int i = 0; i height; +i)for (int j = 1; j width; +j)int tmpVal = cvGetReal2D(src, i, j);tempVecij = tmpVal;if (angle = GLCM_HORIZATION) / 水平方向 getHorisonGLCM(tempVec, vecGLCM, width, height);if (angle = GLCM_VERTICAL) / 垂直方向 getVertialGLCM(tempVec,

19、vecGLCM, width, height);if (angle = GLCM_ANGLE45) / 45 度灰度共生阵 getGLCM45(tempVec, vecGLCM, width, height);if (angle = GLCM_ANGLE135) / 135 度灰度共生阵 getGLCM135(tempVec, vecGLCM, width, height);cvReleaseImage(&src);/=/ 函数名称：getGLCMFeatures/参数说明：vecGLCM,输入!阵，灰度共生阵/features,灰度共生矩阵计算的特征值，主要包含了能量、嫡、对比度、逆差分矩/

20、函数功能：根据灰度共生矩阵计算的特征值/= void GLCM:getGLCMFeatures(VecGLCM& vecGLCM, GLCMFeatures& features) int total = 0;for (int i = 0; i m_grayLevel; +i) for (int j = 0; j m_grayLevel; +j)/求所有图像的灰度值的和total += vecGLCMij;vectorvector temp;temp.resize(m_grayLevel);for (int i = 0; i m_grayLevel; +i) tempi.resize(m_gra

21、yLevel);/ 归一化for (int i = 0; i m_grayLevel; +i) for (int j = 0; j m_grayLevel; +j)tempij = (double)vecGLCMij / (double)total;for (int i = 0; i m_grayLevel; +i)for (int j = 0; j 0)features.entropy -= tempij * log(tempij);/熵features.contrast += (double)(i - j)*(double)(i - j)*tempij;/对比度features.idMom

22、ent += tempij / (1 + (double)(i - j)*(double)(i - j);/ 逆差矩 main.cpp #include GLCM.h#include void getFileName();string names2000;char data20;数值处理背景 ;int main() fstream finout1(data.txt, ios:in | ios:out|ios:trunc);getFileName();int i = 0;char data120;while (namesi.length() 5)strcpy_s(data1, namesi.c_

23、str();string imagename = data1;/灰度共生矩阵IplImage* img = cvLoadImage(data1, 0);cvSetImageROI(img, cvRect(1453, 1149,557, 557);/*cvNamedWindow(ShowSRC);cvShowImage(ShowSRC,img);cvWaitKey(0); */GLCM glcm;VecGLCM vec;GLCMFeatures features;glcm.initGLCM(vec);/ 水平glcm.calGLCM(img, vec, GLCM:GLCM_HORIZATION)

24、;glcm.getGLCMFeatures(vec, features);double energy_hor = features.energy;double entropy_hor = features.entropy;double contrast_hor = features.contrast;double idMoment_hor = features.idMoment;/ 垂直glcm.calGLCM(img, vec, GLCM:GLCM_VERTICAL);glcm.getGLCMFeatures(vec, features);double energy_vetical = fe

25、atures.energy;double entropy_vetical = features.entropy;double contrast_vetical = features.contrast;double idMoment_vetical = features.idMoment;/ 45 度glcm.calGLCM(img, vec, GLCM:GLCM_ANGLE45);glcm.getGLCMFeatures(vec, features);double energy_45 = features.energy;double entropy_45 = features.entropy;double contrast_45 = features.contrast;double idMoment_45 = features.idMoment;/ 135 度glcm.calGLCM(img, vec, GLCM:GLCM_ANGLE135);glcm.getGLCMFeatures(vec, features);double energy_135 = features.energy;double entropy_135 = features.entropy;double contrast_135 = features.contrast