灰度共生矩阵

最新推荐文章于 2025-06-15 17:41:44 发布
原创 最新推荐文章于 2025-06-15 17:41:44 发布 · 6.9k 阅读 · 16 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

灰度共生矩阵（GLCM）是一种经典图像纹理分析的二阶统计方法。通过对矩阵的不同角度分析，提取如能量、对比度、相关性和熵等14个特征参数，揭示图像的纹理信息。这些参数可用于度量纹理的均匀性、对比度、方向性和复杂性，广泛应用于图像处理和计算机视觉领域。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

灰度共生矩阵（gray level co-occurrence matrix,GLCM）是一种用来分析图像纹理特征的经典二阶统计法，大多适用于纹理分析。


这个角度还可以是0度，45度，135度。



上面是各个角度的位置分界线。

如下图的图像矩阵，90度方向的共生矩阵，只有

所以有（1,2）（2,3）（2,3）（3,3）（1,1）（1,2）（3,2）（2,1）（4,4）（4,1），就生成了灰度共生矩阵，其他角度同理可得。


图像的纹理特征不同，其共生矩阵也会明显不同。纹理比较细腻的区域，由于其像素对一般具有相同或相近的灰度，它的灰度共生矩阵中的值基本集中在主对角线，对于纹理粗糙的区域，其像素对灰度差异较大，灰度共生矩阵中的值则散布在各处。

最低0.47元/天 解锁文章

200万优质内容无限畅学
灰度共生矩阵 Gray-Level Co-occurrence Matrix(GLCM)原理（一）
独步天秤的博客
03-18 6852
目录 重要概念 GLCM属性 如何产生对称的共生矩阵GLCM图例说明 归一化公式 产生对称的共生矩阵GLCM总结 官方说明 重要概念 neighbour pixel: 共生点 ref pixel:参考点，基准点 灰度共生矩阵（GLCM）：是一种统计表格，不是一幅图片 GLCM属性 1. 该矩阵是方形的，即N*N大小，一般为8*8, 16*16,32*32 2.它的行数和列数...
图像识别（一） 之 灰度共生矩阵（GLDM）
m0_59115974的博客
11-11 2851
如上图，GLCM（i,j）的值呢就是I中像素为i,像素为j的有有多少和相邻的成对点。图上的“相邻”指的是像素为j的点在像素为i的点的右边（即步长d = 1， 角度θ = 0°，或X偏移量a = 1， Y偏移量b = 0）；解释2：在GLCM（d,θ°）矩阵中，对角线上的数值表征原图中灰度值相差不太大（ i 约等于 j ）的像素对的数量，对角线上的值大说明灰度图像的总体变化趋势以缓和为主。灰度共生矩阵被定义为从灰度为i的像素点出发，离开某个固定位置（相隔距离为d，方位为θ°）的点上灰度值为的概率。
python 图像纹理 灰度共生矩阵GLCM高效实现
最新发布
weixin_44365828的博客
06-15 206
使用了numpy的bincount函数，比其他用循环实现的快很多，如果和其他实现结果不一样就转置一下，顺序应该是对的。
灰度共生矩阵代码实现
积沙成塔
06-24 6834
2概念 2灰度共生矩阵生成编辑 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。 取图像(N×N)中任意一点 （x，y）及偏离它的另一点 （x+a，y+b），设该点对的灰度值为 （g1，g2）。令点（x，y） 在整个画面上移动，则会得到各种 （g1，g2）值，设灰度值的级
灰度共生矩阵.zip_共生矩阵_惯性矩_灰度共生矩阵_能量
07-15
灰度共生矩阵（Gray Level Co-occurrence Matrix, GLCM）是图像处理中的一种重要工具，主要用于分析图像的纹理特征。这种矩阵记录了图像中像素对的灰度级关系，可以提取出丰富的纹理信息，广泛应用于图像分类、识别...
python 计算灰度共生矩阵 纹理特征
12-22
今天学习数字图像处理课，学到灰度共生矩阵，兴起，遂敲码解之。 方法摘自百度百科： 灰度直方图是对图像上单个像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像素分别具有某灰度的状况...
MATLAB 灰度共生矩阵特征提取
09-22
很好的灰度共生矩阵特征提取MATLAB代码，实用，得到了灰度共生矩阵各个特征的值。
灰度共生矩阵的各特征参数的求解
03-14
运用MATLAB R2014a来完成灰度共生矩阵各特征参数的求解。以纸作为纹理分析的对象。首先需将彩色图像将各颜色分量转化为灰度。所用图像的灰度级为256。为了减少计算量，对原始图像灰度级压缩，将灰度量化成16级。计算四个共生矩阵P，取距离为1，角度分别为0,45,90,135。对共生矩阵进行归一化，求出最常用的能量、熵、惯性矩、相关4个纹理参数。最后求出能量、熵、惯性矩、相关的均值和标准差，作为最终8维纹理特征。
GLCM_灰度共生矩阵_python_
10-03
灰度共生矩阵（Gray Level Co-occurrence Matrix，简称GLCM）是图像处理中的一个关键概念，用于描述图像中像素之间的关系。它提供了一种量化分析图像纹理特征的方法，广泛应用于图像分类、图像识别和医学图像分析等...
灰度共生矩阵matlab代码
09-06
灰度共生矩阵（Gray Level Co-occurrence Matrix, GLCM）是一种在图像处理领域中用于分析图像纹理特征的统计方法。在MATLAB中，我们可以利用内置的`graycomatrix`函数来创建灰度共生矩阵。这个函数可以帮助我们计算...
C++实现灰度共生矩阵详解
灰度共生矩阵是一种在图像处理领域中常用的统计方法，用于分析图像纹理特征，尤其在图像分析、计算机视觉和模式识别中有广泛应用。本文档标题“灰度共生矩阵VC++实现”展示了如何使用C++编程语言来实现灰度共生矩阵...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值