因为最近要在OpenCV上试试各种图像分割算法的效果，其中灰度共生算法没有办法直接调用库函数实现，看了很多文章，其中有一篇博文讲的很清楚。博主有提供原理和源码，大家可以直接看原博。
原文地址：纹理特征提取方法：LBP, 灰度共生矩阵
我现在按照自己的理解以代码逻辑再复盘一遍算法过程，详细推导一遍，有一些是上面那个博文搬过来的，本文只是学习笔记，以便日后查询使用。
// 在计算灰度共生矩阵前需要确定一些参数：
- 灰度共生矩阵灰度级，与灰度共生矩阵的阶数相同，即当灰度图像灰度级为N时，灰度共生矩阵为N × N的矩阵。一般一幅图的灰度级有256级，0-255，但由于计算量大，一般选取4、8、16作为灰度级；
- 滑动窗口尺寸，即每次计算特征值所选用的窗口矩阵大小，一般选取5×5或7×7；
- 方向选择：计算灰度共生矩阵的方向一般为0°，45°，90°，135°四个方向；求出四个方向矩阵的特征值后，可以通过计算四个特征值的平均值作为最终特征值共生矩阵；
- 步距d：一般选择d = 1，即中心像素直接与其相邻像素点做比较运算；
- 为了解释说明方便，用N=4个灰度级，7*7窗口矩阵作为示例。
// 具体步骤如下：
1. 将原图灰度量化
A. d=1,求0°方向矩阵A的共生矩阵
则按照0°方向（即水平方向从左向右，从右向左两个方向）,共有以下几种情况：
1/ 统计矩阵值(0, 1)，则如下图所示：
此时满足矩阵值(0,1)统计条件的值，共有10个，所以该窗口对应的GLCM统计矩阵的(0, 1)和(1, 0)位置元素的值即为10。
4/ 统计矩阵值( 3,0)，则如下图所示：
此时满足矩阵值(3,0)统计条件的值，共有10个，所以该窗口对应的GLCM统计矩阵的(3, 0)和(0, 3)位置元素的值即为10。
B. d=1,求45°方向矩阵A的共生矩阵
则按照45°方向（即45°方向从右上向左下，从左下向右上两个方向）,共需统计以下4种情况：统计矩阵值(0,0)(1, 1),(2,2)(3,3)。
具体分析如A同理，最后的GLCM 4 × 4统计矩阵结果如下：
C. d=1,求90°方向矩阵A的共生矩阵
计算方法类似上述。
D. d=1,求135°方向矩阵A的共生矩阵
计算方法类似上述。
3. 矩阵的归一化
将矩阵所有元素与矩阵中所有元素之和作除运算，得到概率矩阵。
5. 计算单窗口所有统计方向对应的特征值后平均化
6. 计算整幅图像，重复步骤2-5
一个滑动窗口计算结束后，该窗口就可以移动一个像素点，形成另一个小窗口图像，重复进行上一步的计算，生成新窗口图像的共生矩阵和纹理特征值； 以此类推，滑动窗口遍历完所有的图像像素点后，整个图像就形成了一个由纹理特征值构成的一个纹理特征值矩阵。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/225226.html原文链接：https://javaforall.net
