灰度共生矩阵提取图像特征
2010-10-04 15:58
501 查看
灰度共生矩阵是图像纹理特征提取当中最简单的方法,matlab已经集成了此功能,比如
GLCM = [0 1 2 3;1 1 2 3;1 0 2 0;0 0 0 3];
stats = graycoprops(GLCM)
stats里面获得的是图像的'Contrast'、'Correlation'、'Energy'和'Homogeneity'。
I = imread('circuit.tif');
GLCM2 = graycomatrix(I,'Offset',[2 0;0 2]);
stats = graycoprops(GLCM2,{'contrast','homogeneity'})
stats里面获得的是图像的'Contrast'和'homogeneity'。
这里Contrast取值范围是:Range = [0 (size(GLCM,1)-1)^2],如果图像内所有像素的灰度值完全一样,则 Contrast = 0;
Correlation取值范围是:Range = [-1 1],如果图像内所有像素的灰度值完全一样,则Correlation = Nan;当时提取图像特征时,将图像分成了8*8的小窗口,往往这些窗口会出现灰度值完全一样的情况,所以Correlation=Nan的情况。
Energy的取值范围是Range =[0,1],如果图像内所有像素的灰度值完全一样,那么Energy = 1;
Homogeneity取值范围是Range =[0,1];
参考:[1]http://www.mathworks.cn/help/toolbox/images/ref/graycoprops.html;jsessionid=vx9hMpGhpXD26J770LpJRZWzWXbPfyH2ch0GQnrBzyTGnGJhQBfy!-1763672920
GLCM = [0 1 2 3;1 1 2 3;1 0 2 0;0 0 0 3];
stats = graycoprops(GLCM)
stats里面获得的是图像的'Contrast'、'Correlation'、'Energy'和'Homogeneity'。
I = imread('circuit.tif');
GLCM2 = graycomatrix(I,'Offset',[2 0;0 2]);
stats = graycoprops(GLCM2,{'contrast','homogeneity'})
stats里面获得的是图像的'Contrast'和'homogeneity'。
这里Contrast取值范围是:Range = [0 (size(GLCM,1)-1)^2],如果图像内所有像素的灰度值完全一样,则 Contrast = 0;
Correlation取值范围是:Range = [-1 1],如果图像内所有像素的灰度值完全一样,则Correlation = Nan;当时提取图像特征时,将图像分成了8*8的小窗口,往往这些窗口会出现灰度值完全一样的情况,所以Correlation=Nan的情况。
Energy的取值范围是Range =[0,1],如果图像内所有像素的灰度值完全一样,那么Energy = 1;
Homogeneity取值范围是Range =[0,1];
参考:[1]http://www.mathworks.cn/help/toolbox/images/ref/graycoprops.html;jsessionid=vx9hMpGhpXD26J770LpJRZWzWXbPfyH2ch0GQnrBzyTGnGJhQBfy!-1763672920
相关文章推荐
- 图像特征提取——灰度共生矩阵(GLCM)
- 利用灰度共生矩阵提取图像纹理特征
- 利用灰度共生矩阵提取图像纹理特征
- 基于SVM-PP的图像特征提取
- 【图像算法】图像特征:GLCM灰度共生矩阵纹理特征
- 四种简单的图像显著性区域特征提取方法-
- 目标检测的图像特征提取之(一)HOG特征
- 目标检测的图像特征提取之(一)HOG特征
- 目标检测的图像特征提取之HOG特征
- 图像特征特点及其常用的特征提取与匹配方法
- 模式匹配之sift--- sift图像特征提取与匹配算法代码
- 目标检测的图像特征提取之(二)LBP特征
- 图像特征特点及其常用的特征提取与匹配方法
- 目标检测的图像特征提取之(三)Haar特征
- 目标检测的图像特征提取之(二)LBP特征
- 图像特征特点及其常用的特征提取与匹配方法
- 特征提取与图像处理:简单基本的图像处理运算
- 数字图像处理之特征提取及常用方法
- 【图像特征提取17】ORB原理与源码解析
- 图像特征提取三大法宝:HOG特征,LBP特征,Haar特征