灰度共生矩阵和灰度游程矩阵

Y_091105

已于 2022-10-09 15:55:04 修改

阅读量1.3k

点赞数

文章标签：矩阵计算机视觉人工智能

于 2022-07-09 12:28:07 首次发布

本文链接：https://blog.youkuaiyun.com/Y_091105/article/details/125691901

版权

本文详细介绍了灰度共生矩阵（GLCM）和灰度游程矩阵（GLRLM）的概念及其在图像分析中的应用。GLCM通过计算相邻像素灰度共生的频数，反映图像纹理特征；GLRLM则关注像素连通域（Run-Length）的长度和分布，揭示图像的结构信息。两者都是图像纹理分析的重要工具，常用于计算图像的对比度等参数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

二者详细说明

灰度共生矩阵

在这里插入图片描述
图的左侧是原始图像矩阵，右侧是计算出的GLCM。所谓“灰度共生”，顾名思义是研究两个灰阶同时出现的情况。那么这里就产生了两个问题：1. 要考虑哪两个灰阶；2. 在图上怎么考虑两个灰度。

第一个问题的答案很简单，所有的灰阶组合我们都考虑。GLCM是一个方阵，矩阵的维度是原始图像的灰阶数。上面例子中原图一共有8个灰度值，因此GLCM的维度是8。要考虑的两个灰度分别作为行和列，比如灰度1和2的共生次数是2，这个值就保存在GLCM(1,2)中。

第二个问题需要我们设定“共生灰度”对应像素的距离（像素个数）和方向
（0~360度）。在上面的例子中显然距离为1，方向为0度（向右），相当于对于灰度1和2的共生，我们仅考虑1在2的左侧，且对应像素之间的距离为1个像素的情况。

所以GLCM其实是一个计数矩阵，它保存了图像中所有灰度组合在我们定义的距离和方向条件下“共生”的频数。直观上来说，当GLCM中数值集中在主对角线上时，原图的纹理更为粗糙。这是因为GLCM主对角线附近保存了两个相差不大的灰度值“共生”的频数，主对角线附近元素的值越大，说明原图中存在很多相邻像素灰度值相差不大的情况，肉眼看上去影像中就会存在若干个面积较大的子

最低0.47元/天解锁文章