【灰度共生矩阵笔记】

最新推荐文章于 2025-12-27 22:36:11 发布
原创 最新推荐文章于 2025-12-27 22:36:11 发布 · 208 阅读 · 0 ·
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。
文章标签：

#图像处理 #机器学习

博客涉及图像处理与机器学习领域，但具体内容缺失。图像处理和机器学习是信息技术中重要方向，图像处理可对图像进行分析、处理等，机器学习能让计算机自动学习数据规律。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

MATLAB 在图像处理和机器视觉的应用举例01 - 官网培训视频笔记（下）分类/灰度共生矩阵/纹理分类学习
山云的专栏
01-20 2608
前言： 本节继续讨论Matlab的机器视觉工具集举例，这次为分类的综合实现：该例子，用到了图像处理，统计，并行计算等方法。 1 分类的难度： 【计算机视觉里面，分类的精髓在选取适当的数据集和算法，这一点在用计算机去选择处理的时候，往往具备难度】 图像分类的步骤如下： 本例，演示对纹理图像进行分类：KTH-TIPS数据集，包括了10中不同的纹理数据集，（铝箔，砂纸，橘子皮）在不同尺度和光照条件下拍摄的图片，每一种物质包括81张图片。 1.1 显示分类的纹理图片： 1. 2..
灰度共生矩阵推导计算笔记
qq_42922249的博客
12-07 298
distances:步长level:为灰度等级angles:角度，用于设置移动的方向sysmmertric:用于设置是否考虑反方向，默认False表示不考虑反方向normed:用于设置是否进行归一化，默认False表示不进行归一化(灰度共生矩阵除以灰度共生矩阵的所有元素的和)glcm矩阵:# -------------graycomatrix函数normed为False，glcm/np.sum(glcm)结果如下--------------------
灰度共生矩阵 学习笔记
qq_32860441的博客
11-30 525
学习笔记，方便学习回顾！
python 灰度共生矩阵进行特征提取(代码）
weixin_42228166的博客
04-30 6866
进行了本地图片采用灰度共生矩阵进行特征提取与代码分享
图像处理 - GLCM灰度共生矩阵如何计算
热门推荐
Jen_Hsueh的博客
03-09 2万+
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，看了很多文章，其中有一篇博文讲的很清楚。 原文地址 现在按照自己的理解再复盘一遍算法过程，详细推导一下，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......
halcon例程学习笔记（10）---图像灰度共生矩阵cooc_feature_image.hdev
不系之舟的专栏-QQ讨论群331590339
08-17 8485
灰度共生矩阵 灰度共生矩阵定义为像素对的联合分布概率，是一个对称矩阵，它不仅反映图像灰度在相邻的方向、相邻间隔、变化幅度的综合信息，但也反映了相同的灰度级像素之间的位置分布特征，是计算纹理特征的基础。 设f(x,y)为一幅数字图像，其大小为M×N，灰度级别为Ng，则满足一定空间关系的灰度共生矩阵为： 其中#(x)表示集合x中的元素个数，显
图像的灰度共生矩阵
weixin_30278237的博客
05-06 115
图像的灰度共生矩阵分类：Image Process2010-07-09 18:029008人阅读评论(1)收藏举报matriximageGray-level co-occurrence matrix from an image图像的灰度共生矩阵灰度共生矩阵是像素距离和角度的矩阵函数，它通过计算图像中一定距离和一定方向的两点灰度之间的相关性，来反映图像在方向、间隔、变化幅度及快慢上的综合...
深度学习：特征图的PCA、attention、patch、CFA、灰度共生矩阵
czmjy的博客
06-23 1753
深度学习：特征图的PCA、attention、patch、CFA、灰度共生矩阵
geemap学习笔记053：纹理特征
主要是关于代码方面的内容，包括但不限于Python、MATLAB、ENVI、ArcGIS
01-23 1181
纹理特征通常描述了遥感影像中像素之间的空间关系和变化，对于地物分类、目标检测以及图像分割等遥感应用非常有价值。本节将会介绍Earth Engine中提供的一些纹理特征计算方法，包括熵和灰度共生矩阵。
【图像处理基石】光线追踪（Ray Tracing）算法入门
智能守恒_HengAI
12-26 670
光线追踪的本质的是「逆向追踪光线+几何交点计算+物理着色」，其入门门槛远低于想象——只要掌握“向量点积、归一化”两个核心数学工具，就能实现基础效果。相机发射光线→检测交点→计算光照→填充像素。你可以在此基础上逐步迭代，最终实现支持复杂材质和全局光照的渲染器。如果在扩展过程中遇到问题（如反射递归栈溢出、折射方向计算错误），欢迎在评论区交流～ 后续会更新“光线追踪+GPU加速”“路径追踪实现”等进阶内容，敬请关注！
Intel IPP 图像处理相关函数
wangnaisheng的专栏
12-27 356
Intel IPP 图像处理相关函数
OpenCV开运算与闭运算在图像处理中的应用
最新发布
Do my best!
12-27 521
开运算和闭运算是形态学图像处理中重要的组合操作，它们由基本的腐蚀和膨胀操作组合而成。开运算的主要作用是去除图像中的小物体（噪声），平滑物体的边界；闭运算的主要作用是填补图像中的小空洞，连接断开的物体。在OpenCV中，开运算和闭运算通过`cv2.morphologyEx()`函数实现，使用方便灵活。这两种操作在图像预处理、目标检测、文本识别等领域有着广泛的应用。在实际应用中，需要根据具体需求选择合适的结构元素和处理顺序，以达到最佳的处理效果。
【图像处理基石】现代图像处理发端与物理关联算法详解：从原理到Python代码上手
智能守恒_HengAI
12-27 18
现代图像处理（数字层面）的发端是1964年NASA JPL对月球探测器图像的数字处理，其核心标志是「图像数字化+计算机运算」；经典图像处理算法多与物理学深度绑定：傅里叶变换（波动光学）、高斯模糊（光的衍射/布朗运动）、维纳滤波（信号传输模型）、直方图均衡化（感光/视觉物理）；物理原理是图像处理算法的底层逻辑，理解物理本质能帮助我们更灵活地调整算法参数、优化处理效果，而非机械调用API；
Stable Diffusion AIGC 视觉设计实战教程之 08-高级图像处理
一只多仔。
12-23 749
本文系统梳理 Stable Diffusion 的高清放大与高级图像处理方案：详解 Hires.fix 两阶段重绘、后期处理、图生图、SD Upscale、Ultimate SD Upscale、Tiled Diffusion 等六种放大策略及参数设置；介绍 Layer diffusion 原生透明图生成、ADetailer 人脸手部智能修复、Inpaint Anything 点击分割重绘三大插件用法；并说明 PNG 元数据读取与保护技巧，为 AIGC 视觉设计提供一站式技术参考。
【图像处理基石】图像处理领域还有哪些核心挑战与难题？
智能守恒_HengAI
12-26 1086
图像处理的挑战贯穿图像采集-预处理-特征提取-高层任务的全流程，核心矛盾在于图像质量退化、场景复杂度、计算资源约束、模型泛化能力四个方面。未来的发展方向将围绕鲁棒的低质量图像恢复算法、高效的轻量化模型、跨域泛化的通用特征提取、多模态融合技术展开，同时结合行业需求，解决特定领域的专属难题。
图像处理：阈值与形态学实战指南
gege_0606的博客
12-26 391
本文系统介绍了OpenCV中的图像处理核心方法。主要内容包括：1）图像阈值处理，详细解析了五种阈值类型及其应用场景；2）图像平滑滤波技术，涵盖均值滤波、高斯滤波和中值滤波的原理与实现；3）形态学操作，重点阐述了腐蚀、膨胀、开闭运算以及形态学梯度的数学原理和实际应用。文章通过示例代码直观展示了各算法的处理效果，并深入分析了参数设置对处理结果的影响，为图像预处理任务提供了实用的技术指导。
【图像处理基石】什么是光栅化？
智能守恒_HengAI
12-27 745
光栅化的本质是「3D投影→图元转像素→着色+深度测试」，其核心价值在于极致的实时性，这是光线追踪难以替代的优势。3D顶点透视投影→三角形包围盒遍历→像素归属判断→颜色插值→深度测试。你可以在此基础上逐步迭代，最终实现支持复杂3D模型和逼真效果的实时渲染器。如果在扩展过程中遇到问题（如纹理映射错位、深度缓冲闪烁），欢迎在评论区交流～ 后续会更新“光栅化实现立方体”“GLSL着色器入门”等进阶内容，敬请关注！
人工智能与机器学习：从理论到实践的技术全景
2502_90978783的博客
12-26 157
在前沿技术领域，深度学习作为机器学习的进阶分支，凭借多层神经网络结构，能够处理更复杂的非线性问题，推动了计算机视觉、自然语言处理的爆发式发展；此外，联邦学习、边缘计算与机器学习的结合，解决了数据隐私保护与模型实时性的难题，为智慧医疗、智能家居等场景提供了新的解决方案。但不可否认的是，随着技术的不断突破与产业的深度融合，人工智能与机器学习必将在更多领域创造价值。同时，需要持续监控模型的运行状态，因为随着时间推移，数据分布可能发生变化（即“数据漂移”），导致模型性能下降，此时需要对模型进行重新训练与更新。
守正创新，拥抱未来：机器学习之心2025年度总结
机器学习之心的博客，关注并私信文章链接，获取对应文章源码和数据。
12-27 236
但同时，我更注重保持“人”的核心优势：对复杂问题的拆解能力、对技术趋势的独立判断、对项目实践的深刻复盘，以及与读者之间真实的情感与技术共鸣。作为一名深耕技术领域的优快云年度影响力博主，机器学习之心在这一年中，既见证了人工智能技术的迅猛冲击，也亲历了技术迭代的持续加速。在这样充满变局与机遇的一年里，我始终坚持“守正创新，拥抱未来”的信念，在创作中沉淀，在挑战中成长，在变化中寻找平衡与突破。路漫漫其修远兮，2026，让我们继续同行，在技术的星辰大海中，守住一盏思考的灯，传递一份真实的光。
评论
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