提取图像纹理特征——灰度共生矩阵

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一灰度共生矩阵，是物体表而最本质的属性。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

2、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；Matlab沈阳理工大学数字图像处理课程设计目录1设计目的12相关知识.2.1 MATLAB简介12.2 MATLAB应用12.3 MATLAB特点23设计方案3.3.1 二阶距（能量）33.2 惯性矩33.3 相关43.4 嫡44程序设计4.5仿真结果与分析.9.5.1 仿真图95.2 结果分析146结论15参考文献1.6.II沈阳理工大学数字图像处理课程设计提取图像纹理特征一一灰度共生矩阵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

3、成的，因而在图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502相关知识2.1 MATLAB简介MATLAB是矩阵实验室(MatrixLaboratory)的简称，和Mathematica、Maple并

4、称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域7。2.2 MATLAB应用MATLAB产品族可以用来进行以下各种工作: 数值分析 数值和符号计算 工程与科学绘图沈阳理工大学数字图像处理课程设计 控制系统的设计与仿真 数字图像处理技术 数字信号处理技术 通讯系统设计与仿真 财务与金融工程MATLAB的应用范围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物

5、学等众多应用领域。附加的工具箱（单独提供的专用MATLAB函数集）扩展了MATLAB环境，以解决这些应用领域内特定类型的问题。2.3MATLAB特点 此高级语言可用于技术计算 此开发环境可对代码、文件和数据进行管理 交互式工具可以按迭代的方式探查、设计及求解问题 数学函数可用于线性代数、统计、傅立叶分析、筛选、优化以及数值积分等 二维和三维图形函数可用于可视化数据 各种工具可用于构建自定义的图形用户界面 各种函数可将基于MATLAB的算法与外部应用程序和语言（如C、C+、Fortran、JavaCOM以及MicrosoftExcel）集成 不支持大写输入，内核仅仅支持小写32.4MATLAB的

6、优势MATLAB5一系列工具组成。这些工具方便用户使用MATLAB勺函数和文件，其中许多工具采的的是图形用户界面。包括MATLA加面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。随着MATLAB勺商业化以及软件本身的不断升级，MATLAB勺用户界面也越来越精致，更加接近Windows的标准界面，人机交互性更强，操作更简单。而且新版本的MATLA提供了完整的联机查询、帮助系统，极大的方便了用户的使用。简单的编程环境提供了比较完备的调试系统，程序不必经过编译就可以直接运行，而且能够及时地报告出现的错误及进行出错原因分析。Matlab一个高级的矩阵/阵

7、列语言，它包含控制语句、函数、数据结构、输入和输出和面向对象编程特点。用户可以在命令窗口中将输入语句与执行命令同步，也可以先编写沈阳理工大学数字图像处理课程设计好一个较大的复杂的应用程序(M文件)后再一起运行。新版本的MATLA酷言是基于最为流行的C+语言基础上的，因此语法特征与C+语言极为相似，而且更加简单，更加符合科技人员对数学表达式的书写格式。使之更利于非计算机专业的科技人员使用。而且这种语言可移植性好、可拓展性极强，这也是MATLABtt够深入到科学研究及工程计算各个领域的重要原因111o3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像灰度关于方向、相邻间隔、变化幅度的综合信

8、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d?P(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，一般采用下面四个最常用的特征来提取图像的纹理特征6。3.1 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

9、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4。3.2 惯性矩惯性矩是灰度共生矩阵的二次统计量，与其他统计量如逆矩阵、方差、嫡等相比，惯性矩将图像灰度的空间分布差异拉开，更能分辨出灰度空间分布的复杂程度。沈阳理工大学数字图像处理课程设计3.3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。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403.4嫡

10、嫡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，嫡较大4。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。它反映图像中纹理的复杂程度或非均匀度。若纹理复杂，嫡值大；反之,若图像中灰度均匀，共生矩阵中元素大小差异大，嫡俏小网。4程序设计程序代码如下：Gray=imread('d:1.jpg');M,N,O=size(Gray);M=256;N=256;%Gray=double(0.3*Image(:,:,1)+0.59*I

11、mage(:,:,2)+0.11*Image(:,:,3);fori=1:Mforj=1:Nforn=1:256/16if(n-1)*16<=Gray(i,j)&Gray(i,j)<=(n-1)*16+15沈阳理工大学数字图像处理课程设计Gray(i,j)=n-1;endendendendP=zeros(16,16,4);form=1:16forn=1:16fori=1:Mforj=1:Nifj<N&Gray(i,j)=m-1&Gray(i,j+1)=n-1P(m,n,1)=P(m,n,1)+1;P(n,m,1)=P(m,n,1);endifi>

12、1&j<N&Gray(i,j)=m-1&Gray(i-1,j+1)=n-1P(m,n,2)=P(m,n,2)+1;P(n,m,2)=P(m,n,2);endifi<M&Gray(i,j)=m-1&Gray(i+1,j)=n-1P(m,n,3)=P(m,n,3)+1;P(n,m,3)=P(m,n,3);endifi<M&j<N&Gray(i,j)=m-1&Gray(i+1,j+1)=n-1P(m,n,4)=P(m,n,4)+1;P(n,m,4)=P(m,n,4);endendendifm=n沈阳理工大学数字图

13、像处理课程设计P(m,n,:)=P(m,n,:)*2;endendenddisp('0度时的灰度共生矩阵：');disp(P(:,:,1);disp('45度时的灰度共生矩阵：,);disp(P(:,:,2);disp('90度时的灰度共生矩阵：,);disp(P(:,:,3);disp('135度时的灰度共生矩阵：,);disp(P(:,:,4);forn=1:4P(:,:,n)=P(:,:,n)/sum(sum(P(:,:,n);endH=zeros(1,4);I=H;Ux=H;Uy=H;deltaX=H;deltaY=H;C=H;forn=1:4E

14、(n)=sum(sum(P(:,:,n).A2);%能量fori=1:16forj=1:16ifP(i,j,n)二0H(n)=-P(i,j,n)*log(P(i,j,n)+H(n);%嫡endI(n)=(i-j)A2*P(i,j,n)+I(n);%惯性矩沈阳理工大学数字图像处理课程设计Ux(n)=i*P(i,j,n)+Ux(n);%相关性中以xUy(n)=j*P(i,j,n)+Uy(n);%相关性中yendendendforn=1:4fori=1:16forj=1:16deltaX(n)=(i-Ux(n)A2*P(i,j,n)+deltaX(n);%相关性中(rxdeltaY(n)=(j-Uy

15、(n)A2*P(i,j,n)+deltaY(n);%相关性中6VC(n)=i*j*P(i,j,n)+C(n);endendC(n)=(C(n)-Ux(n)*Uy(n)/deltaX(n)/deltaY(n);%相关性enda1=mean(E)b1=sqrt(cov(E)a2=mean(H)b2=sqrt(cov(H)a3=mean(I)b3=sqrt(cov(I)a4=mean(C)b4=sqrt(cov(C)sprintf('0,45,90,135方向上的能量依次为：%f,%f,%f,%f,E(1),E(2),E(3),E(4)%输出数据；sprintf('0,45,90,1

16、35方向上的嫡依次为：%f,%f,%f,%f,H(1),H(2),H(3),H(4)%输出数据；沈阳理工大学数字图像处理课程设计sprintf('0,45,90,135方向上的惯性矩依次为:%f,%f,%f,%f,I(1),I(2),I(3),I(4)%输出数据；sprintf('0,45,90,135方向上的相关性依次为：%f,%f,%f,%f,C(1),C(2),C(3),C(4)%输出数据；9沈阳理工大学数字图像处理课程设计5仿真结果与分析5.1 仿真图输入图像“1.jpg”如图4.1所示:图5.1原图像输出结果：图5.2，图5.3，图5.4，图5.5，图5.6，图5.7

17、,图5.8，图5.9得出该图像四个不同方向的灰度共生矩阵，从而反映了图像灰度分布关于方向，变化幅度和局部领域的综合信息。沈阳理工大学数字图像处理课程设计1度明的瓦座共主建呼：Golixuis1ihr3uth'J1ED1SD：D00j：0D9：23三3L0D：0：3：兀1J12ir3R11DD53415B空351513113012花国12555301;7，D110在庙150肺15:：31553的?6F529三3BE二61：104L631比ior心兆口011113q2g师20E熔公DF2432必15325=194D0:r1536353：雨比200DDiiirT71麻CDDDDD21j科31

18、LZJ300DDD00ID?：1.3D：D001三T36D00D0rDD1J11图5.20度共生矩阵Calturns12through16000000000000D000I0000j000017200Q4?131010716473115713145?4137203130381192127202113191276S15927563202159976258631S91132755g63323847306ISo8189F39S52488图5.30度共生矩阵10沈阳理工大学数字图像处理课程设计45度内躯麟蛀幽Coliujisthrough.II见1:911：100D0J13D4<2173;32：

19、09明帮5312D331：112140?0而仃U30a：?31f5LS4肥2?r：51;20<?典1067;兆483D2Q14473噌ET41叫23C3：包3646139?般60023;0相48a虹的153l(E口D：917003兜L532QE1描1：3152023to：02J5E2L00:03S$21银优11?1浇0D0Q4133力63115IX000C：112145941：500JC1£4-42收86QDQQ图5.4450度共生矩阵120122?35Colwuns12through160000Q0000500003000a840001。1312a21191141423521

20、za66634521121121159444221561341158635144124114130501黑135133£1611111413877787560303130Z10祝27S4010095501113031009549262图5.545度共生矩阵11沈阳理工大学数字图像处理课程设计既扈嘛赐三生矩国Caluins1through111r：510q011：00:153Q4625623300：46：3咽口马Sn90：&25妣32B715式133：:6蒲阴H4血肿25丸811U2Id45ID0凤68?341?551J3】8我仍的5037T.3别2026刃防出11理6(c02

21、19Ifi对111跳JB7105:0032灯9;阁我42页0D0*»s-520：05238量0000:151?68H91臆0D0n0113而匚:0D00：0J321漪0DQ04333D0D000191381图5.690度共生矩阵Goluwns12throuthIS0000000Q000000000001000100105104013114R19683134131497fi21381S3170S61511941561506381532442J2l&DM1502M960060951346315060953149281723401348172E1F8：O图5.790度共生矩阵12沈

22、阳理工大学数字图像处理课程设计1莞度时由仄度鼻受拒奉CalimnsthrcughIL30匕.0g:02:00jM264528；=1260001045%40r1R532732g2S如465B3131338，0530巩1支11043写1319a：,s5811：110髭42313L2024531556B56154525L6:$3231g罪或3；3572阿a0T3J3145S51。61"73o038193125n1T7163203:02，192016N口2031阿a004；12213367J321行000:I16工犯69】用a000I21125441Z2000D1£'士25

23、38吧00001图5.81350度共生矩阵14：5况匚CDlinms12tkronghIS00000000D00000041U009110口12ie21021is11613439262S19疥S9442515132108773S22146122的3113。1531021425313312413120011910213126231583优142206S1382576211488531193651K834"96图5.9135度共生矩阵13沈阳理工大学数字图像处理课程设计al=0.2212bl=0.0131a2=2,0987b2=0.0814a3=0.7114b3=0,2048a4=0,2

24、744b4:0.0092口,可必鼠，1a方向上的能量依次为：0,239261j0,21126b,L233l43j0.200933an3=|.454135方向上的为侬次为:2.0217842.150385,2.037111,2.184865ans-口，4590，L3E方向上的惯性矩依次为:O.530E81,0.8647F5,0.533110,0.911234ans二口，45,90"35方向上的相关性依次为t0.2B417F,0.267718,0.28021L0.205501图5.10各类参数值5.2 结果分析通过数字图像的采集，将图像的数值信息输入进预先编设好的程序，进行灰度图像的变换

25、，将灰度变换后的图像输入给灰度共生矩阵的处理程序，从而得到输出的四个不同的灰度矩阵，获得图像表面的四个不同矩阵的特征量，方向分别取0度、45度、90度、135度。得到各个方向的能量、嫡、惯性矩和相关性的值，从而得到图像变化幅度和局部领域的综合信息。14沈阳理工大学数字图像处理课程设计6结论由上述分析可知计算LLCM时要考虑四个变量，计算窗口大小N,图像灰度级L,方向e和距离d(1)对于计算窗口N的选取，不宜过大或过小，过大将导致计算和存储量大，但过小又导致不能包含完整的纹理信息。一般而言，当图像大小确定后，计算窗口就随之确定，除非对图像分块处理或者确定图像的ROI(RegionOfInterest)区域后再提取CLCMo(2)对于灰度级L的选取，灰度级决定了LLCM的计算规模，降低灰度级可以提高计算速度和减少存储空间需求，且适当降低灰度级还可以减少噪声对图像的影响，但过小的灰度级会破坏有用纹理的成分。(3)对于距离d的选择，共生矩阵在精细纹理中随距离而快速变化，而在粗糙纹理中随距离则变化缓慢。一般而言，对于平滑纹理用较大的距离，对于粗糙纹理用较小的距离会取得较好的效果。(4)对于方向e的选择，一般有四种取值0,40,90,130,通过不同e可